Ⅱ型糖尿病(T2DM)是一种由于代谢紊乱导致的疾病,近年来逐渐增大的发病率导致非传染性疾病的费用增加,而T2DM并发症更是严重威胁到人们的生活水平。由于社会资源有限,同时,T2DM并发症不能被完全治愈,糖尿病患者的并发症预防及自我管理行为则尤为重要。相关研究表明预警指标的预测结果对患者有益,大多数研究用专业医疗技术、仪器检测的指标,如酶联免疫吸附法检测的血清血管内皮抑制素水平、微流式血流计检测红细胞沉降率及延伸指数,或者用机器学习方法分析的临床指标,如随机森林、支持向量机及特征选择方法选取的年龄、白细胞数、总胆固醇等作为预警指标,但由于指标对于患者来说不易获取或模型无法处理数据缺失情况下的疾病预测,患者的自身预防管理难以实施。贝叶斯网络可视为由图与概率的概念共同构成,基于此的模型常被用于解决复杂领域的问题,且可处理不完整数据集,因此本文基于贝叶斯网络从T2DM患者自我预防的角度,运用预警指标对并发症进行预测,分析对比预测模型,说明模型的有效性,从而证明其对患者自我预防的有益性。结构学习与参数学习为贝叶斯网络学习的两个组成部分,而结构学习的结果为参数学习的基础。同时,预警指标的选取也基于习得的网络,因此结构学习部分尤为重要。为更准确地得出预警指标,进行Ⅱ型糖尿病并发症预测,从而实现对Ⅱ型糖尿病患者自我预防的辅助目的,本文将改进的元启发式算法人工蜂群算法以及吉布斯抽样算法引入贝叶斯网络的学习中,用以得到基于缺失数据学习的更准确的贝叶斯网络,并基于马尔科夫毯识别预警指标,对Ⅱ型糖尿病并发症进行预测。结果表明,基于采用的住院数据,本文所构建的模型对除Ⅱ型糖尿病周围神经病变与眼部病变的其余四种并发症预测均有效。主要创新点为:(1)针对Ⅱ型糖尿病并发症预测的应用场景,对问题进行转化,根据分类的思想,将Lévy飞行算法进行离散化处理,并与差分算法融入人工蜂群算法。同时,运用吉布斯抽样方法,更新缺失数据,从而进行贝叶斯网络结构学习与参数学习,由此提出基于改进人工蜂群的贝叶斯网络结构学习算法。结果表明其精度与运行时间均有所提升。(2)根据专家知识与人口特征常识,建立黑白名单,将黑白名单与改进的贝叶斯网络学习算法相结合,从而避免学习无效的网络,从而提高网络学习效率,优化Ⅱ型糖尿病并发症预测模型。(3)基于马尔科夫毯分析并得出预警指标,分别进行实例化,推出并发症的发生概率,从而帮助患者进行自我管理,疾病预防。之后,运用预警指标在建立的贝叶斯网络模型上进行并发症预测。本文所构建的Ⅱ型糖尿病并发症预测模型对糖尿病患者进行糖尿病肾病、糖尿病眼部并发症、糖尿病心血管并发症及糖尿病酮症的预防与管理具有良好的效果,可辅助患者进行并发症诊断,让患者及时去医院就诊。同时,通过患者未患并发症情况下的自预防、自管理,节省医院住院资源。