尝试将临床预测模型部署到移动端
现在临床预测模型APP主要存在与网站上,需要联网进行访问,缺点是没有网路的情况下无法使用,和可能有一定的延迟,所以作为补充的一种形式是把临床预测模型布置到手机或者平板本地。本着这个想法投入到“如何将临床预测模型布置到移动端?”这方面的学习,起初以为业内可能已经有成熟的方法,但还是缺乏具体可以模仿的例子,好在临床预测模型也是一种数学计算,了解了公式,通过编程数学计算的模块和用户界面就可以实现临床预测模型在移动端的部署。对于逻辑回归模型和Cox比例风险模型制作的临床预测模型确实是这样的,因为以上两种模型属于线性模型,具有具体可以查询的参数, 我通过查询以上两种模型的概率和生存率的计算公式,在没有原始数据的情况下用python的kivy模块实现了对临床预测模型APP的构建(具体可以参见博客内的另一篇文章)。
然而当试图用同样的方式构建非线性模型的时候,发现kivy移动端的构建程序buildozer不支持某些必要的文库,比如Joblib和 pickle, 所以没有办法将随机森林、xgboost等非线性算法构建的临床预测模型布置到移动端,现在也不行,退而求其次,只能通过pyinstaller模块将临床预测模型构建为能在电脑运行的程序。通过了解,也不是所有的非线性模型都不能布置到移动端, google为了深度学习构建了一个tflite的模块,用意是方便图像识别等深度学习的算法在移动端的应用, 可以通过flutter语言布置到移动端,对于临床预测模型来说,通过tflite插件可以将“神经网络”构建的非线性预测模型部署到移动端,而其它算法构建的临床预测模型并不支持。
大体情况就是这样。后知后觉来看,python 在数据数据处理方面的优势是相当明显的, 而flutter在APP制作方面的优势是很明显的,可以简单制作出最好看的APP,以及对tflite的支持,可以部署线性和非线性的临床预测模型。kivy 暂时认为可以不进行学习。