BMJ 重磅发布 13 步构建指南，医学预测模型开发全攻略

BMJ 重磅发布 13 步构建指南，医学预测模型开发全攻略

临床预测模型是医生制定诊疗决策的 “智能助手”—— 从肿瘤复发风险评估到影像异常的良恶性判断，从慢性病进展预测到治疗反应评估，优质的模型能显著提升临床决策的精准性。但现实是，多数已发表的预测模型因方法学缺陷（如过拟合、缺失数据处理不当、缺乏验证），最终沦为 “纸上谈兵”，无法落地临床。

近日，《英国医学杂志》（BMJ）发表了一篇里程碑式文章，系统提出临床预测模型开发的 13 步实战指南，涵盖从目标定义到模型发表的全流程，并附详细 R 代码和实例演示。作为放射科医生，我们常涉及影像组学、功能影像预测模型构建，这篇指南更是破解 “模型好看不好用” 难题的关键。本文将带您精读这篇重磅文献，提炼核心技术要点，并结合放射学场景解读实践细节。

一、为什么我们需要 “标准化” 的预测模型开发流程？

临床预测模型的核心是 “基于基线预测因子预测未来健康结局”，但其价值依赖方法学严谨性。研究显示：

• 心血管疾病领域 363 个预测模型中，多数因方法学缺陷、报告不完整、缺乏外部验证，实用性存疑；
• 精神病学 308 个模型中，绝大多数存在高偏倚风险；
• 放射组学模型中，“小样本 + 高维特征” 导致的过拟合、多中心数据异质性导致的可移植性差，是最常见痛点。
  为此，BMJ 指南基于 PROGRESS 框架、TRIPOD 声明、PROBAST 工具等权威资源，整合 13 个关键步骤，覆盖 “目标 - 数据 - 建模 - 验证 - 应用” 全链条，同时兼顾传统统计模型与机器学习模型。

二、13 步实战指南：从 0 到 1 构建可靠临床预测模型

第一步：明确定位、组建团队、制定方案 —— 模型成功的 “基石”

核心目标：避免 “为建模而建模”，确保模型贴合临床需求。

1. 明确 5 个关键问题（放射科场景举例）

关键维度	放射科实践举例
目标人群	接受低剂量 CT 肺癌筛查的高危人群（≥50 岁、吸烟≥20 包年）
预测结局	1 年内发生肺结节恶性转化（时间 - 事件结局）
应用场景	放射科报告系统内嵌的风险提示工具
目标用户	影像科医生、胸外科医生、健康管理师
决策支持	预测风险＞10% 建议活检；5%-10% 建议 3 个月随访；＜5% 建议 1 年随访

2. 组建跨学科团队

必须包含 3 类核心成员：

• 临床 / 影像专家：提供疾病认知（如肺结节恶性特征）、定义结局和预测因子；
• 统计 / 方法学家：设计建模策略、处理数据和验证模型；
• 目标用户：确保模型易用性（如放射科医生要求模型输出整合到 PACS 系统）。
  必要时纳入软件工程师（开发 Web/APP 工具）和患者代表（考虑患者对随访频率的接受度）。

3. 文献回顾与方案制定

• 通过系统综述筛选已有模型（如 Lung-RADS 相关预测模型），明确其缺陷（如未纳入影像组学特征）；
• 撰写公开方案（可上传至 medRxiv/OSF），参考 TRIPOD 声明规范内容。

第二步：新模型开发 VS 现有模型更新 —— 避免 “重复造轮子”

核心逻辑：优先评估现有模型的适用性，而非直接开发新模型。

1. 现有模型的评估标准（基于 PROBAST 工具）

• 偏倚风险低（数据、建模方法可靠）；
• 适用于当前目标人群和场景（如原有模型基于欧美人群，需验证亚洲人群适用性）。

2. 三种模型更新策略（放射科常用）

更新策略	适用场景	放射科举例
校准（Recalibration）	模型鉴别力良好，但校准度差（如原有模型高估本地人群肺结节恶性风险）	调整逻辑回归模型的截距项，匹配本地人群的实际恶性率
修订（Revision）	部分预测因子的效应估计过时（如新型 CT 设备的影像特征阈值变化）	重新估计影像组学特征的系数
扩展（Extension）	现有模型漏检重要预测因子（如加入血液肿瘤标志物 CEA）	在原有影像特征基础上增加血清 CEA 水平作为新预测因子

3. 机器学习模型的特殊处理

• 影像组学中常用 “迁移学习” 更新模型（如基于预训练的 ResNet 网络微调本地影像数据）；
• 随机森林等模型可通过 “二次校准”（如用逻辑回归校正预测概率）提升适用性。

第三步：定义结局指标 —— 拒绝 “简单二分法”

核心技术原则：优先选择连续变量或时间 - 事件变量，避免随意二分。

1. 结局指标的选择优先级

• 最高：时间 - 事件结局（如 “肺结节从良性进展为恶性的时间”）—— 包含随访时间和事件状态，信息最丰富；
• 次高：连续结局（如 “肿瘤体积变化率”）；
• 最低：二分结局（如 “是否发生恶性转化”）—— 丢失中间状态信息，且阈值选择易受数据驱动偏倚影响。

2. 放射科常见误区

将 “病灶大小” 二分（如＞1cm=“大”，＜1cm=“小”），或将 “SUV 值” 二分（＞2.5=“阳性”）—— 正确做法是保留连续值，通过限制性立方样条建模非线性关系。

第四步：筛选候选预测因子 ——“因果优先，实用为王”

核心标准：兼顾预测性能、临床可及性和因果关联性。

1. 预测因子的筛选来源

• 文献综述（已证实的风险因素，如肺结节的毛刺征、胸膜牵拉征）；
• 专家共识（放射科医生公认的恶性特征）；
• 生物学合理性（优先选择与结局有因果关联的因子，如吸烟史→肺结节恶性，而非仅为关联的因子）。

2. 三大禁忌（放射科需重点规避）

• 连续变量二分（如将 “平均 CT 值” 分为 “高 / 低”）；
• 数据驱动的阈值选择（如通过试错寻找 “最佳” SUV cutoff 值）；
• 纳入难以获取的预测因子（如需要侵入性检查的病理特征，不适合常规筛查场景）。

第五步：数据收集与预处理 ——“垃圾数据出垃圾模型”

核心任务：确保数据质量，为建模奠定基础。

1. 数据来源的选择（放射科常用）

数据来源	优势	劣势	适用场景
前瞻性队列	数据质量高、结局定义准确	耗时、成本高	开发全新影像组学预测模型
临床登记数据库	样本量大、代表性好	部分变量缺失、测量标准不统一	模型外部验证、大规模人群适用性评估
随机对照试验（RCT）	数据标准化程度高	入选标准严格，外推性差（如排除合并症多的患者）	评估治疗反应预测模型（如预测免疫治疗疗效）

2. 数据预处理的关键步骤

• 质量控制：影像数据需检查伪影（运动伪影、金属伪影），并通过重新扫描或图像修复处理；
• 测量误差评估：如不同放射科医生测量的病灶体积差异，需通过一致性检验（ICC）评估；
• 变量分布检查：排除变异过小的预测因子（如 95% 患者的某影像特征值相同，无预测价值）；
• 缺失值初步评估：若某预测因子缺失率＞50% 且无重要临床意义，直接剔除（如某罕见基因检测，仅 10% 患者完成）。

第六步：样本量计算 ——“参数越多，样本越大”

核心公式逻辑：样本量需满足 “预测因子数量 ×10~20 倍”，机器学习模型需更高。

1. 传统统计模型的样本量计算（基于 Riley 方法）

需输入 3 个参数：

• 目标人群的结局发生率（如本地高危人群肺结节恶性率为 5%）；
• 模型参数数量（如 10 个影像组学特征 + 2 个临床变量 = 12 个参数，若含非线性项需额外增加参数）；
• 预期模型性能（如 R²=0.2，即模型能解释 20% 的结局变异）。

2. 机器学习模型的特殊要求

• 影像组学模型因特征维度高（常达数百个），样本量需为参数数量的50~100 倍；
• 小样本时需通过 “特征选择”（如 LASSO）减少参数数量，避免过拟合。

3. 固定样本量下的参数限制

若仅能获取 100 例样本，最多纳入5~10 个参数（含非线性项和交互项）—— 放射科中需优先保留临床意义明确的影像特征，而非盲目纳入所有组学特征。

第七步：处理缺失数据 ——“多重插补是首选”

核心技术：避免 “完整病例分析”（仅用无缺失数据的样本），优先采用多重插补。

1. 缺失数据的处理流程

1. 评估缺失机制：若为 “完全随机缺失”（如患者漏填性别，与结局无关）或 “随机缺失”（如老年患者更易缺失肺功能数据，但可通过年龄等变量预测），可采用插补；若为 “非随机缺失”（如恶性结节患者更易缺失随访数据），需专项建模（如 Heckman 选择模型）；
2. 选择插补方法：

• 多重插补（推荐）：生成 5~20 个插补数据集，各数据集建模后合并结果（通过 Rubin 规则），适用于多数场景；
• 单一插补：仅生成 1 个插补数据集，适用于临床应用中预测因子缺失的情况（如患者未做 CEA 检测，用回归模型插补）；

3. 插补模型设计：需包含所有预测因子、结局变量及辅助变量（与缺失相关的变量，如 “是否住院” 与随访数据缺失相关）。

2. 放射科特殊场景

• 影像特征缺失（如患者运动导致某层面无法提取纹理特征）：可在建模时预留插补模块，临床应用时自动插补；
• 多模态数据缺失（如部分患者无 MRI 数据）：采用 “多任务学习” 同时处理完整和缺失模态数据。

第八步：模型拟合 ——“惩罚项防过拟合，拒绝逐步回归”

核心策略：平衡模型复杂度与泛化能力，优先使用惩罚回归和稳健机器学习方法。

1. 模型类型的选择

模型类型	适用结局类型	放射科应用举例	优势	劣势
线性回归	连续结局（如肿瘤体积变化率）	预测肝癌患者经介入治疗后的肿瘤体积缩小程度	解释性强	无法处理非线性关系
逻辑回归	二分结局（如结节良恶性）	基于影像特征预测肺结节是否为恶性	解释性强，易校准	对高维数据（如影像组学特征）表现差
Cox 比例风险模型	时间 - 事件结局（如无进展生存期）	预测乳腺癌患者术后复发时间	适用于生存数据	假设 “风险比恒定” 可能不成立
随机森林	各类结局	整合影像组学、临床、基因组数据预测胰腺癌疗效	处理非线性和交互作用能力强	解释性差，需 “特征重要性” 辅助解释
神经网络	高维数据（如三维影像）	基于 CT 影像直接预测肺癌风险（端到端模型）	特征提取能力强	样本需求大，易过拟合

2. 关键技术：惩罚项（正则化）的应用

• 核心目的：通过收缩系数大小，减少模型复杂度，防止过拟合；

• 常用方法：

  • 岭回归（Ridge）：收缩系数但不剔除变量 —— 适用于预测因子间存在相关性（如影像组学中的多个纹理特征）；
  • LASSO：收缩系数至零，实现变量选择 —— 适用于高维数据（如数百个影像特征）；
  • 弹性网络（Elastic Net）：结合岭回归和 LASSO 优势 —— 放射组学中最常用。

3. 三大禁忌方法

• 单变量筛选（仅保留 P＜0.05 的预测因子）—— 忽略变量间的交互作用；
• 逐步回归（向前 / 向后选择）—— 导致系数估计偏倚，降低模型稳定性；
• 不处理竞争风险（如预测肿瘤复发时，未考虑心血管死亡的竞争风险）—— 需用 cause-specific Cox 模型或 Fine-Gray 模型。

第九步：模型性能评估 ——“鉴别力 + 校准度，一个都不能少”

核心原则：同时评估鉴别力（区分不同结局的能力）和校准度（预测概率与实际风险的一致性），并通过验证减少乐观偏倚。

1. 性能评估指标（按结局类型分类）

结局类型	鉴别力指标	校准度指标	综合性能指标
连续结局	Spearman 相关系数	校准线（截距 = 0，斜率 = 1 为理想）	均方误差（MSE）、决定系数（R²）
二分结局	AUC（ROC 曲线下面积）	校准曲线、Hosmer-Lemeshow 检验	Brier 评分（越小越好）
时间 - 事件结局	Harrell c 统计量、Uno c 统计量	时间依赖校准曲线	生存 Brier 评分

• 放射科解读：AUC=0.7~0.8 为 “中等鉴别力”，＞0.8 为 “良好鉴别力”；校准曲线需贴近对角线（如预测恶性风险为 30% 的患者，实际恶性率应接近 30%）。

2. 四种验证方法（从内部到外部）

验证类型	核心逻辑	适用场景	放射科举例
内部验证	用建模数据自身评估性能，校正乐观偏倚	模型开发阶段	用 Bootstrap 法（1000 次重抽样）计算校正后的 AUC
时间验证	按入组时间拆分数据（早期 = 建模，晚期 = 验证）	评估模型的时间稳定性（如不同年份 CT 设备的数据）	用 2018-2020 年数据建模，2021-2022 年数据验证
内 - 外验证	按聚类变量拆分（如 “医院”“中心”），留一聚类验证	多中心研究，评估中心间异质性	5 家医院的数据，依次留 1 家作为验证集，其余 4 家建模
外部验证	用完全独立的新数据验证（非建模数据）	模型推广前的关键步骤	基于 A 医院数据开发的模型，在 B、C 医院数据中验证

• 关键提醒：放射组学模型必须经过多中心外部验证，否则无法推广（设备、扫描参数差异会显著影响模型性能）。

第十步：选择最终模型 ——“简单优于复杂，性能优先”

核心逻辑：基于校正后的性能选择模型，而非 “越复杂越好”。

1. 模型选择的三大标准

• 校正后的性能最优（如 Bootstrap 校正后的 AUC 最高）；
• 稳定性好（小样本变动不导致模型结构大幅变化）；
• 易用性强（如放射科医生可快速理解的逻辑回归模型，优于 “黑箱” 神经网络）。

2. 奥卡姆剃刀原则的应用

若简单模型（如逻辑回归）与复杂模型（如随机森林）的性能相当，优先选择简单模型 —— 例如：预测肺结节良恶性时，包含 5 个关键影像特征的逻辑回归，若 AUC（0.82）与含 200 个特征的随机森林（0.83）接近，优先选择逻辑回归（易解释、易实施）。

第十一步：决策曲线分析 ——“从‘统计学显著’到‘临床有用’”

核心价值：判断模型能否真正改善临床决策，而非仅具有统计学意义。

1. 核心指标：净获益（Net Benefit）

• 计算公式：净获益 = （真阳性率 × 事件发生率） - （假阳性率 × 非事件发生率）×（阈值概率 /(1 - 阈值概率)）；
• 解读：模型的净获益需高于 “治疗所有人” 和 “治疗无人” 两种极端策略，才具有临床价值。

2. 放射科实战案例

• 目标：评估 “影像组学模型预测肺结节恶性风险” 的临床价值；
• 阈值概率设定：10%（即医生认为 “风险＞10% 时活检获益大于风险”）；
• 结果判断：若模型在 10% 阈值处的净获益＞“所有结节都活检” 和 “所有结节都随访”，则模型可用于指导活检决策。

3. 常见误区

• 仅依赖 AUC 判断模型价值 ——AUC 高的模型可能因 “假阳性率过高” 导致不必要的活检，净获益反而低；
• 阈值概率设定不合理 —— 需结合临床实际（如活检的并发症风险、患者意愿），而非固定为 5% 或 10%。

第十二步：评估单个预测因子的贡献（可选）——“关联≠因果”

核心目的：识别关键预测因子，为临床干预提供方向（非建模必需步骤）。

1. 常用评估方法

方法	适用模型类型	放射科举例
系数大小	传统回归模型	逻辑回归中 “毛刺征” 的系数为 1.8（OR=6.05），提示其为强预测因子
性能下降幅度	所有模型	移除 “胸膜牵拉征” 后，模型 AUC 从 0.82 降至 0.75，提示其重要性
置换重要性	机器学习模型	随机置换 “SUVmax” 的值后，随机森林的准确率下降 15%，提示其为关键特征
SHAP 值	机器学习模型	计算每个影像特征的 SHAP 值，可视化其对个体预测结果的贡献

2. 关键提醒

• 预测因子的 “重要性” 不等于 “因果关系”—— 例如：“病灶位置” 可能与恶性风险相关，但并非因果因素；
• 放射科中需结合生物学机制解读（如 “毛刺征” 与肿瘤细胞浸润生长相关，具有因果合理性）。

第十三步：撰写与发表 ——“透明化 + 可及性”

核心要求：遵循 TRIPOD 声明，确保模型可重复、可使用。

1. 报告规范（TRIPOD 声明核心要求）

• 明确模型的目标、人群、场景；
• 详细描述数据来源、预处理步骤、缺失数据处理方法；
• 报告模型方程（如逻辑回归的系数和截距）、性能指标（含校正前后的值）；
• 公开模型代码（如 GitHub）和原始数据（符合隐私要求前提下）。

2. 模型的临床转化

• 开发易用工具：如基于 R Shiny 的 Web 应用（输入影像特征和临床数据，自动输出预测风险）、嵌入 PACS 系统的插件；
• 提供使用说明：如 “如何测量影像特征”“如何解读预测结果”“何时需要更新模型”；
• 放射科案例：瑞士多发性硬化症预测模型的 Web 应用（https://cinema.ispm.unibe.ch/shinies/rrms/），可直接用于临床决策。

三、放射科视角：预测模型构建的 5 个特殊挑战与应对

1. 影像数据的标准化难题

• 挑战：不同设备（如 GE、西门子 CT）、扫描参数（层厚、管电压）导致数据异质性；
• 应对：采用 “影像标准化预处理”（如灰度归一化、重采样至统一层厚），或使用迁移学习减少设备差异影响。

2. 高维特征与小样本的矛盾

• 挑战：影像组学常提取数百个特征，但临床样本量有限（易过拟合）；
• 应对：结合 LASSO 特征选择 + 10 折交叉验证，或采用 “多中心联合建模” 扩大样本量。

3. 影像特征的客观性不足

• 挑战：部分特征（如 “边缘清晰度”）依赖主观判断，一致性差；
• 应对：优先选择定量特征（如体积、CT 值、纹理参数），并通过 ICC 检验评估观察者间一致性。

4. 多模态数据的融合问题

• 挑战：影像 + 临床 + 基因组数据的维度、尺度差异大；
• 应对：采用 “注意力机制”（如 Transformer 模型）自动分配不同模态的权重，或使用 “早期融合”（合并特征后建模）/“晚期融合”（分别建模后合并预测结果）。

5. 模型的实时性要求

• 挑战：放射科报告需快速生成，模型预测耗时不能过长；
• 应对：选择轻量级模型（如逻辑回归、简化版 CNN），或采用模型压缩技术（如剪枝、量化）。

四、总结：构建 “有用” 的临床预测模型，关键在这 3 点

1. 临床导向：从第一步定义目标开始，始终围绕 “解决实际临床问题”（如减少不必要的活检、优化随访策略），而非追求 “复杂模型” 或 “高 AUC”；
2. 方法学严谨：严格遵循 13 步流程，重点把控样本量计算、缺失数据处理、过拟合预防和外部验证，避免方法学缺陷导致模型 “失效”；
3. 开放可及：公开代码、数据和模型工具，促进多中心验证和持续更新 —— 临床预测模型不是 “一劳永逸” 的，需根据新数据和新临床证据动态优化。
   作为放射科医生，我们是影像数据的 “第一解读人”，也是临床预测模型的重要构建者。遵循 BMJ 的 13 步指南，将影像数据与临床需求深度结合，才能让预测模型真正成为提升诊疗效率的 “利器”，而非停留在论文中的 “漂亮数据”。

参考文献

Efthimiou O, Seo M, Chalkou K, et al. Developing clinical prediction models: a step-by-step guide. BMJ 2023;386:e078276. doi:10.1136/bmj-2023-078276

欢迎关注

微信：Chushanzhishi2022
微信公众号：NMR凯米小屋
作者B站：楚山之石