临床预测模型构建之 —— 模型的呈现

最新推荐文章于 2024-09-04 09:34:08 发布

小马不会过河

最新推荐文章于 2024-09-04 09:34:08 发布

阅读量881

点赞数 18

文章标签：笔记人工智能交互语言模型 AIGC

本文链接：https://blog.csdn.net/m0_59163425/article/details/139707982

版权

临床预测模型的基本步骤

在这里插入图片描述

临床预测模型的开发步骤主要包括以下几个步骤
1.数据收集
2.模型构建
3.模型性能评估
4.模型验证
5.模型的呈现与后期维护

模型的呈现

模型呈现是研究成果转化为临床实践应用的窗口，目前常见的模型展现形式包括：
1、计算公式
2、列线图
3、评分系统
4、网站及程序工具

一、计算公式

公式展示模型应用最直接的一种方式，同时公式展示也是促进模型以其他形式展示的基础。大多数的临床预测模型的公式是通过多因素Logistic回归分析而得到的。
具体如对经颈静脉肝内门体分流术(TIPS)患者的生存率预测模型中，对TIPS的风险评分的公式如下Risk scores ®[1]：

二、列线图

列线图(Nomogram/诺莫图)也叫做协方差图，它是建立在多因素回归分析的基础上，它是由一条直线和数条刻度线组成，每条刻度线代表一个变量，而每个刻度线上都标记有该变量取值的范围或者数值。通过在不同的刻度线上作点位，可以表示不同变量之间的关系和相互作用。
下图是状动脉钙化患者5年、10年和15年生存率的列线图预测模型[2]。

三、评分系统

评分系统的预测模型的呈现也是基于多因素分析得到的，模型评分系统的呈现相对多且能为进一步的研究奠定基础。
下图是Framingham Risk Score 弗雷明汉 10 年冠状动脉风险预测。通过各因素的评分进行对冠状动脉风险预测[3]。

四、网站与程序

网站与程序的预测模型是建立在公式以及评分的基础上建立的，也是模型展示与应用的最便利的方式。
下图以及连接是Framingham 10 年冠状动脉风险预测模型，并用网站展示与应用。Framingham Risk Score for Hard Coronary Heart Disease

https://www.mdcalc.com/calc/38/framingham-risk-score-hard-coronary-heart-disease

模型的维护

最后模型的更新与维护对于传统的临床预测模型是较难实现的，但对于机器学习或是深度学习的预测模型能通过进步学习、数据集的扩充乃至模型的结构的优化等来完成临床预测模型更新优化。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述