通俗解释：什么是临床预测模型

获取更多R语言知识，请关注公众号：医学和生信笔记

“

医学和生信笔记。专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。

很多人，对临床预测模型的概念很模糊，你上网一查，都是各种专有名词，然后告诉你已经在临床应用很久了，很有用，各种牛逼的杂志都可以见到临床预测模型的身影，在生信文章中更是普遍。

一通操作下来，你迷茫了，更加不知道临床预测模型是什么东西了，感觉懂了，又感觉没懂！

今天用通俗的语言来解释什么是临床预测模型，读完后，你应该真的懂了！

• 简单理解
• 临床预测模型和机器学习
• 临床预测模型和统计学

简单理解

临床预测模型，初听这个名字，或许会觉得很高大上，其实没那么复杂，你可以理解成一种方法，这种方法可以预测一个人到底是有病还是没病，或者预测一个人一段时间后会不会死，或者预测一个人的某种疾病会不会复发，又或者是预测一个样本到底是肿瘤还是正常组织......

再直白一点，临床预测模型是一个公式，根据这个公式，你提供一些基本信息，比如年龄、性别、体重、血红蛋白量等（或者某个基因的表达量等），就可以计算出这个人到底是有病还是没病！

目前很多疾病都需要做磁共振、做CT、病理才能确诊，假如你发现了一个公式，只要验个血，得到几个生化指标，就能根据你的公式算出来这个人到底是有病还是没病！这不比CT、磁共振、病理简单多了？值得推广。

所以，临床预测模型的本质是一种分类方法。通过这种方法，你可以对很多东西进行分类，比如，生和死、有病和没病、肿瘤和非肿瘤、复发和不复发等等。

既然是一种方法，那肯定就有准确和不准确，看名字也能知道，这只是一种预测，或者叫：猜（有根据的猜）！ 如果你这种方法能和金标准相提并论，那说明你的方法很牛，如果恰好你的方法更加简单方便、经济适用，那你的方法真是太厉害了，非常有希望成为新的金标准！

那如何评价你的方法好还是不好呢？这就是临床预测模型的评价，通过各种指标（后面会详细介绍）、从各种不同的角度评价。

说了这么多，我怎么才能得到我的模型（或者叫方法）呢？这就是临床预测模型的另一个主要内容：临床预测模型的建立。

前面说过，临床预测模型本质上就是一个公式而已！说个最简单的，逻辑回归（logistic），大家应该都知道怎么构建逻辑回归吧？不就是自变量和因变量吗。给你几个自变量，一个二分类的因变量，大家通过SPSS点点点，就可以得到各个自变量的系数，然后就能写出逻辑回归方程了。你的这个逻辑回归方程，这就是一个临床预测模型了！给你几个自变量的值，根据这个方程，你就可以算出因变量的值，然后就可以分类了！

说到这里，相信你应该明白很多了！但是这还不够，你可能还听过什么机器学习、lasso、随机森林、支持向量机等等，别慌，这就是我们接下来要说的：临床预测模型和机器学习的关系。

临床预测模型和机器学习

机器学习，是不是听上去也高大上，但是对于搞临床的来说，不需要知道的太彻底，大概明白是什么就够了。

逻辑回归也是机器学习的一种，随机森林、决策树、支持向量机、lasso、岭回归、弹性网络、xgboost等等，这些都是和逻辑回归一样，就是不同的方法而已！

学过医学统计学的都知道（没学过可能也知道），如果因变量是连续性变量，那么我们就用多元线性回归，如果因变量是二分类变量，就用logistic回归（分类）。回归和分类，刚好就是机器学习的两个主要任务。很多方法，比如随机森林，既可以做回归，又可以做分类，而且准确度还很高，这就是为什么大家喜欢用其他方法的原因，主要是为了提高准确性。

临床预测模型，只是机器学习在医学领域的应用之一，回归和分类，适用于各行各业，所以在很多领域你都听过机器学习这几个字。此外，还有深度学习、人工智能等等，这些都可以简单的理解为更加牛逼的方法！

这些不同的方法都有各自适合的场景，在合适的场景下才能得到最好的表现，如何让模型表现的更好，那就需要学习一些机器学习的基本知识了，这些东西在bilibili一搜一大堆，大家可以自行学习，不过千万不要太沉迷哟！

但是你一搜机器学习教程，出来的都是推荐你吴恩达、西瓜书什么的，我不推荐，这些东西不是给生物医药领域的人看的，你看这些，可能就是听天书，毕竟很多医学生，连高数都是不学的！我比较推荐statquest，b站也可以搜到，这是一个国外的生物统计教授的课程，他的风格更适合我们！

临床预测模型和统计学

我们学过的医学统计学，在某些方面和机器学习是有交集的。比如，逻辑回归、多元线性回归，既是统计学方法，也是机器学习算法，这并不冲突，就像一个人在不同场合有不同身份一样。

在谈临床预测模型时，我们可能是偏向于机器学习多一点的，毕竟用到的很多方法，都是来自于机器学习领域。

你可能见到在很多生信文章中，使用一个模型并没有提前检验各种条件，直接就用了。但在医学统计学中，很多方法都是有适用条件的，符合条件才能用。哪种才是正确的呢？

其实不用纠结，别人能用你也能用，多看文章，你能发现各种用法，但是别人依然发了SCI，你也可以。如果非要说区别，这就涉及到先验学派和后验学派这些东西了，咱也不是很懂了，如果你有兴趣，可以自己探索。如果就是为了发文章，那就别搞这些没用的了，多看几篇高分SCI，跟着里面的思路模仿吧！

读到这里，你应该大致了解临床预测模型，不致于云里雾里了。

如果觉得这篇文章不错，欢迎点赞、在看、转发，让更多人看到；如果你还有疑问，也欢迎加入下面的交流群，继续探讨！

获取更多R语言知识，请关注公众号：医学和生信笔记

“

医学和生信笔记。专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。