随着计算机技术的发展,许多计算机信息管理系统在医疗机构中被大量使用,使得医疗机构医学信息迅速增长。此外,医学信息的形式是多种多样的,包括文字、表格、图像和音频等。这些医学信息资源对医疗机构的决策管理、诊疗和科研有至关重要的作用。如何从这些复杂的信息中提取出有价值的信息和模式成为必须要研究的问题之一。而基于医学信息的复杂性和特殊性,数据挖掘作为一种数据处理技术,为实现医学信息资源的有效利用提供了方法。本文将数据挖掘技术应用于妊娠糖尿病研究中。首先,利用关联规则分析妊娠糖尿病影响因素,进而发现高危险单因素PCOS病史、家族糖尿病史、异位妊娠史、初孕年龄、结婚年龄、本次妊娠年龄以及是否多胞胎和是否有过巨大儿出生;同时,还发现了一些高危险联合因素。例如:在多胞胎和月经周期紊乱史共同存在时,孕妇得妊娠糖尿病的可能性高达100%;异位妊娠史和多胞胎、月经周期紊乱病史和PCOS病史、月经周期紊乱病史和家族糖尿病史等两者同时存在时都会比单独一个存在时患病概率高。其次,利用分类算法对妊娠糖尿病患病风险进行预测。通过外推预测和交叉验证比较了 Logistic回归、决策树、支持向量机和BP神经网络4个常用分类模型。根据模型预测效果和稳定性,选择了 BP神经网络建立妊娠糖尿病预测模型。在建立模型时,对训练数据利用SMOTE算法进行了平衡化处理,同原始不平衡数据建立的模型相比,平衡化处理后所建模型预测结果得到了大大的提高,尤其是对于前20%预测为妊娠糖尿病的准确率达到100%,从而很好的识别出了患高风险妊娠糖尿病的孕产妇。