En el contexto del envejecimiento de la población, para reducir la carga sobre los recursos médicos públicos, los hogares de ancianos necesitan predecir periódicamente los riesgos de salud de las personas mayores. Sin embargo, no hay equipos profesionales de pruebas médicas en los hogares de ancianos. En la investigación actual de predicción de riesgos de enfermedades, muchos conjuntos de datos son recopilados por equipos médicos profesionales. Además, los modelos actualmente investigados no pueden ejecutarse directamente en terminales móviles. Con el fin de predecir los riesgos de salud de las personas mayores sin depender de equipos profesionales de pruebas médicas en los escenarios de aplicación de los hogares de ancianos, utilizamos los conjuntos de datos recopilados por equipos de pruebas médicas no profesionales. Basándonos en el aprendizaje por transferencia y redes neuronales ligeras, proponemos un modelo de predicción de riesgos de enfermedades, Diplin (modelo de predicción de riesgos de enfermedades basado en redes neuronales ligeras), aplicado a hogares de ancianos. Este modelo logró un 98% de precisión, 97% de precisión, 96% de sensibilidad, 95% de especificidad, 97% de puntuación F1 y un valor de 1.0 de AUC (área bajo la curva ROC) en el conjunto de validación. Los resultados experimentales muestran que en el escenario de aplicación de los hogares de ancianos, el modelo Diplin puede brindar un soporte práctico para predecir los riesgos de salud de las personas mayores, y este modelo puede ejecutarse directamente en la tableta.