近年来随着健康医疗信息化的发展,我国在医疗信息化建设方面取得了较大的进步,科学研究、健康医疗服务和管理实践等使得信息化系统中积攒了大量的电子病历数据。对于大部分医院来说电子病历系统更多的是一种管理工具,医疗数据资源没有得到充分的利用。数据驱动下的挖掘方法在生物医学中的应用需求,将所有可用信息智能地转化为有价值的知识比以往任何时候都更加迫切。因此,对于电子病历系统中庞大数据的挖掘已然成为医疗信息研究中的大趋势。糖尿病为继心血管疾病、恶性肿瘤后的第三大威胁人类健康的慢性病。糖尿病易引起并发症,其中糖尿病肾病是糖尿病患者最重要的并发症之一,并发症具有早期不易发现,且并发后药物难以根治的特点,因此对并发症的预测成为研究热点。课题选取了某医院电子病历中与糖尿病并发肾病相关数据源进行本文研究。对糖尿病并发症的研究主要包含以下几个方面:(1)数据处理。由于操作不当、机器故障等造成的噪声、缺失值、异常值等数据质量问题,为了不影响实验预测的结果,研究中对数据进行了整合、清洗等一系列预处理操作。(2)糖尿病并发症预测模型构建。对预处理后的数据进行了多维分析,并结合算法的优缺点选择了随机森林算法(Random Forest,RF)作为模型构建的基础算法,进行糖尿病肾病预测模型构建的实证研究。针对算法核心参数难以确定的问题设计了网格搜索优化的随机森林算法(Optimizing Random Forest by Grid Search,RFGS)和遗传算法优化的随机森林算法(Optimizing Random Forest by Genetic Algorithms,RFGA)对糖尿病肾病进行预测,同时使用了K近邻算法(K-Nearest Neighbor,KNN)、逻辑回归算法(Logistic Regression,LR)、支持向量机算法(Support Vector Machine,SVM)、未优化的RF算法进行对比试验,通过实验结果评价指标分析,本文所采用的模型预测效果均优于其他模型,进一步说明了本文模型的有效性和准确性。(3)系统设计与实现。本文采用Java这一面向对象的程序设计语言针对糖尿病并发症预测的研究过程和研究成果进行系统化实现。在系统设计方面对系统的总体功能、各个子模块的功能进行说明,并给出系统的数据库设计。在系统实现方面,设计出各个模块的实现类图并进行解释,根据糖尿病并发肾病的预测进行系统展示,证明了系统的实用性和可靠性。总的来说,糖尿病并发症预测系统依托于“数字医疗联合实验室”,对医疗辅助系统实现进行尝试,验证系统的可靠性和实用性。