目的：本研究旨在使用人工神经网络技术,把中医指标,例如中医舌象、脉诊和发病节气等,与糖尿病患者临床检验的生理生化指标相结合进行建模,初步探讨人工神经网络技术在糖尿病并发症建模上的应用,并探讨不同输入指标和中间隐含层神经元数对模型预测效果的影响。方法：首先利用EXCEL表对我校附属医院的相关纸质病例和影印病例进行结构化,筛选出2型糖尿病酮症病例数172条,糖尿病肾病病例数276条。然后对其中某些指标(如性别、职业、就诊节气等)进行分类便于进行数据的预处理,再根据神经网络对输入值的要求,把全部指标的值进行归一化处理,得到的数据介于0和1之间,在MATLAB7.4环境下和利用SPSS19.0环境下用人工神经网络工具建模,用均方差(MSE)和相关系数(R)和正确百分比来评价模型的准确性和稳定性。结果：本研究建立的基于人工神经网络的2型糖尿病并发症预测模型,能根据糖尿病患者的临床检验指标和中医症候,包括分类指标、连续指标、线性指标、非线性指标进行分析预测。预测模型的预测结果(R值)能达到91.26%。当输入层神经元为55个,中间隐含层的数量从20增加到30时,检验效果大于70%的从50%增加为65%,当去除二分类指标,中间隐含层神经元数从20增加到30时,检验效果大于70%的保持不变,测试效果大于70%的从80%增加到85%,检验效果大于80%的从40%增加到55%。结论：不同的神经网络对建模的结果有影响,不同的输入指标和中间隐含层神经元数对模型也有影响,当去除输入指标中的二分类指标以后,预测模型的检验效果和测试效果明显提升,当增加中间隐含层神经元数时,模型的预测效果也越好。人工神经网络技术能为疾病风险预测人员提供一种根据主观经验和预测需要的简便灵活的建模方法,有一定的可靠性,所得到的结果是符合规律、可解释的,加入适当的算法和扩大数据量,建模效果更显著。