中大利用大数据成功开发机器学习模型 精准预测老年糖尿病患者未来一年罹患严重低血糖的风险
本港每三名65岁以上的长者便有一人罹患糖尿病。为了能更有效地管理这些老年糖尿病患者的病情，香港中文大学（中大）医学院利用医管局数据实验室涵盖全港的资料，进行大数据分析，发现虽然同龄人口的整体死亡率下降，但比起非糖尿病患者，老年糖尿病患者因心血管疾病和非血管疾病引致死亡的风险仍高1.5至两倍。
严重低血糖是糖尿病患者常见的急性并发症，可增加患者跌倒、罹患心血管疾病和认知障碍症，以及各种原因死亡的风险。研究团队利用医管局资料开发了一套能预测老年糖尿病患者於未来一年出现严重低血糖风险的机器学习模型，精确率高达85%。团队相信此模型能与现有的电子病历系统结合，为最高风险的年长患者及早提供干预措施，预防他们出现严重低血糖。研究详情已在获同行评审的国际期刊《PLOS Medicine》及《Diabetes Research and Clinical Practice》上发表。
中大医学院研究团队利用医管局数据实验室的大数据，开发了一套能预测老年糖尿病患者於未来一年出现严重低血糖风险的机器学习模型，精确率高达85%。团队相信此模型能与现有的电子病历系统结合，为最高风险的年长患者及早提供干预措施，预防他们出现严重低血糖。
团队成员包括（左起）：中大医学院内科及药物治疗学讲座教授陈重娥教授、威尔斯亲王医院内科及药物治疗学系顾问医生陈俊文医生、中大医学院内科及药物治疗学系副教授周怡君医生、研究助理教授杨爱民博士，及副研究员时麦博士。
大数据分析发现老年糖尿病患者有较高的死亡风险
医管局数据实验室载有的匿名数据包括病人的用药和实验室化验纪录、住院情况、居住区域和其他同时患有的疾病资料。中大医学院研究人员分析了来自此数据库、逾110万名65岁或以上长者的数据，他们曾於2014年至2018年在公营医疗系统求诊。研究团队发现在这五年间，此年龄组别的长者整体死亡率下降8%。然而，这些长者如罹患糖尿病，他们因心血管疾病或其他原因死亡的风险，仍较没有患糖尿病的患者高1.5至两倍。
中大医学院内科及药物治疗学系研究助理教授杨爱民博士表示：「我们的发现反映糖尿病会增加死亡风险，故此，有必要发展能帮助患者预防糖尿病并发症及改善病情自我管理的大型干预措施。」
严重低血糖是老年糖尿病患者的可怕并发症
威尔斯亲王医院内科及药物治疗学系顾问医生陈俊文医生指出：「本港超过80%因低血糖到急症室求诊的长者需要住院治疗，这除了会延长住院外，也会增加患者跌倒、罹患心血管疾病和认知障碍症，以及各种原因死亡的风险。」
为及早识别这群高风险出现严重低血糖的病人，中大医学院研究团队与医管局数据实验室合作，利用2013年至2018年间来自逾36万名老年糖尿病患者、合共约150万份医疗纪录，并以机器学习演算法XGBoost作为基础，开发了一套能够预测出现严重低血糖风险的机器学习模型。这套崭新模型涵盖了258个不同的预测指标，包括人口统计数据、患者一年内入院、诊断、用药和恒常实验室化验资料，用以预测患者们未来一年因严重低血糖而需住院的机会。经验证，这个模型的预测精确率达85%。
新模型有望与电子病历记录系统结合以预防患者出现严重低血糖
中大医学院内科及药物治疗学系副研究员时麦博士表示：「我们开发的模型比基於既定风险因素的传统模型有更好的预测表现，它亦是首个预测老年糖尿病患者长远出现严重低血糖风险的机器学习模型。」领导是次研究的中大医学院内科及药物治疗学系副教授周怡君医生补充：「这套新开发的模型有望能结合本地电子病历系统，以找出高风险出现严重低血糖的病人，并及早进行预防措施，例如改用降血糖反应较轻微的糖尿病药物，或调整胰岛素注射的时间和剂量。」
中大医学院内科及药物治疗学讲座教授陈重娥教授总结：「由於老年糖尿病患者与非患者之间的死亡率差距未见缩小，我们必须采取行动，通过为患者提供更好和更精确的管理来抵消因糖尿病带来的额外死亡风险。我们的机器学习模型提供了一种高效且低成本的方法，可以识别出因严重低血糖而面临极高住院风险的老年患者，为这一群病人提供补救措施，同时不影响低风险老年患者的血糖控制。」
是次研究得到中大影响研究奖学金计划和其他资金的支持。研究全文可参阅：
1. https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1004369
2. https://www.sciencedirect.com/science/article/pii/S0168822724001025?via%3
中大与医管局数据实验室合作，利用来自香港超过36万名老年糖尿病患者、合共约150万份医疗纪录，开发了一套能够预测出现严重低血糖风险的机器学习模型。
