پیشبینی نفروپاتی دیابت، کار آسانی نیست چرا که بعضی افراد با وجود داشتن علائمی مثل قند خون کنترل نشده، هیچگاه به نفروپاتی مبتلا نمیشوند یا بیماری در مرحله پنهان باقی میماند و تشخیص داده نمیشود. از اینرو پیشبینی این بیماری، یکی از چالشهای مطرح در جامعه پزشکی است. بنا بر اهمیت موضوع، جامعه پزشکی نیازمند روشهایی است که بتواند در تشخیص زودهنگام نفروپاتی، مؤثر باشد. روشهای دادهکاوی و هوش مصنوعی از جمله روشهایی هستند که میتوانند به پیش آگهی به بیماران کمک کنند.

نتایج شبیه سازی سیستم پیشنهادی در بهترین حالت، شاخص صحت را معادل 96/77درصد، شاخص دقت را 94/74درصد و شاخص های حساسیت و اختصاصیت به ترتیب معادل اعداد 100درصد و 92/31درصد نشان داد. بالا بودن شاخص های عملکردی سیستم پیشنهادی نشان داد، این سیستم قادر است ابتلا به نفروپاتی دیابت را با دقت مناسبی پیش بینی کند. بنابراین می تواند به عنوان یک سیستم تصمیم یار در کمک به تشخیص پزشک به کار رود. لازم به ذکر است که این روش، تاکنون در پیش بینی نفروپاتی دیابت به کار نرفته است.
از آنجا که شیوع نفروپاتی دیابت در نژادهای مختلف، متفاوت است. به منظور بومی سازی روش پیشنهادی در این پژوهش، از داده های جمع آوری شده از بیمارستان های داخل کشور استفاده شده است که از مزیت های سیستم پیشنهادی به شمار می رود.
مقایسه نتایج حاصل از این پژوهش با سایر روش هایی که بر این مجموعه داده پیاده سازی شده نشان داد، سیستم یادگیری گروهی با ترکیب فازی روش های رگرسیون می تواند نقاط قوت هریک از روش ها را تقویت کند و منجر به نتایج بهتری در پیش بینی نفروپاتی دیابت شود.
سیستم پیشنهادی، می تواند به عنوان دستیار پزشک در پیش آگهی به بیماران و پیشگیری از عوارض آن کمک کند و با اقدامات به موقع، علاوه بر بهبودی، در کاهش هزینه های بهداشت و درمان مؤثر باشد

 به عنوان پیشنهادی برای کارهای آینده، می توان ویژگی های مورد استفاده در این شبیه سازی را وزن دهی کرد و تأثیر آن را در شبیه سازی بررسی کرد. همچنین می توان از دیگر روشها برای طراحی سیستم یادگیری گروهی استفاده کرد. به عنوان مثال، از روش میانگین گیری فازی در ترکیب روش های رگرسیون استفاده کرد و نتایج حاصل را با این پژوهش مقایسه کرد.