2023年以來(lái)浙中醫(yī)大學(xué)鄭老師開(kāi)設(shè)了一系列醫(yī)學(xué)科研統(tǒng)計(jì)課程，零基礎(chǔ)入門(mén)醫(yī)學(xué)統(tǒng)計(jì)包括R語(yǔ)言、meta分析、臨床預(yù)測(cè)模型、真實(shí)世界臨床研究、問(wèn)卷與量表分析、醫(yī)學(xué)統(tǒng)計(jì)與SPSS、臨床試驗(yàn)數(shù)據(jù)分析、重復(fù)測(cè)量資料分析、結(jié)構(gòu)方程模型、孟德?tīng)栯S機(jī)化等10門(mén)課，如果您有需求，不妨點(diǎn)擊下方跳轉(zhuǎn)查看：??

2023年鄭老師多門(mén)科研統(tǒng)計(jì)課程：多次直播，含孟德?tīng)栯S機(jī)化方法

世界上最遙遠(yuǎn)的距離，不是兩個(gè)人在天涯海角，而是兩個(gè)人（一個(gè)醫(yī)生，一個(gè)工科）坐在桌子對(duì)面，談了一個(gè)小時(shí)，卻發(fā)現(xiàn)一句都聽(tīng)不懂對(duì)方在說(shuō)什么。

這是一種真實(shí)情況，我曾經(jīng)坐在兩個(gè)人中間，試圖給他們當(dāng)翻譯（雖然兩個(gè)人說(shuō)的都是中文），我需要讓醫(yī)生明白，什么是標(biāo)簽、什么是召回率、什么是特征工程，我也同時(shí)需要告訴工科技術(shù)人員，我們要實(shí)現(xiàn)的目的是什么、數(shù)據(jù)如何收集等各種問(wèn)題。

醫(yī)工交叉目前很火，目前醫(yī)學(xué)很多成果都是醫(yī)工交叉的產(chǎn)物，如語(yǔ)音識(shí)別、疾病面容識(shí)別等。我們自己也在不斷探索如何跟工科更好的結(jié)合，這并不容易。真正的醫(yī)工交叉，不是簡(jiǎn)單地“醫(yī)院收集數(shù)據(jù)、工科建立模型”，這太膚淺，而且往往容易因?yàn)闇贤ú怀浞侄a(chǎn)生歧義。然而讓醫(yī)生和工科整天在一起溝通交流（各自說(shuō)著對(duì)方聽(tīng)不懂的術(shù)語(yǔ)，而且都以為自己說(shuō)的是最淺顯的話(huà)），既痛苦且耗不起時(shí)間。

如果說(shuō)還有一種解決這種令人不安的局面的方法，那就是有個(gè)醫(yī)學(xué)統(tǒng)計(jì)專(zhuān)業(yè)人員在二者之間翻譯一下。醫(yī)學(xué)統(tǒng)計(jì)學(xué)家在以前承擔(dān)著各種臨床試驗(yàn)設(shè)計(jì)、流行病學(xué)調(diào)查設(shè)計(jì)、數(shù)據(jù)清洗與管理、數(shù)據(jù)統(tǒng)計(jì)分析等各種責(zé)任，現(xiàn)在華麗的轉(zhuǎn)身，變成了醫(yī)學(xué)與工科溝通的橋梁。

在目前“大數(shù)據(jù)”充斥著各個(gè)領(lǐng)域的時(shí)代，仍有不少人認(rèn)為統(tǒng)計(jì)學(xué)已經(jīng)過(guò)時(shí)了，一味熱衷于各種機(jī)器學(xué)習(xí)、深度學(xué)習(xí)。不少醫(yī)學(xué)統(tǒng)計(jì)學(xué)研究生也在學(xué)習(xí)期間緊張地開(kāi)始看各種機(jī)器學(xué)習(xí)的書(shū)籍（當(dāng)然這是好事，但如果基礎(chǔ)沒(méi)打好，也可能會(huì)越看越糊涂）。然而，諾獎(jiǎng)得主托馬斯·薩金特和任正非卻說(shuō)，“人工智能就是統(tǒng)計(jì)學(xué)”（雖然這句話(huà)存在爭(zhēng)議），這無(wú)疑給統(tǒng)計(jì)學(xué)專(zhuān)業(yè)人員吃了一個(gè)定心丸。

所謂“人工智能就是統(tǒng)計(jì)學(xué)”這句話(huà)，就算不能說(shuō)百分百正確，但絕對(duì)是有道理的。其實(shí)各種機(jī)器學(xué)習(xí)中的術(shù)語(yǔ)，很多都是統(tǒng)計(jì)學(xué)中的變形，然而這很難統(tǒng)一。且不說(shuō)統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)領(lǐng)域的統(tǒng)一，單是統(tǒng)計(jì)學(xué)的同一名詞在不同應(yīng)用領(lǐng)域就存在不同叫法（如穩(wěn)健vs魯棒、甚至變量的類(lèi)型都不統(tǒng)一，如醫(yī)學(xué)中就沒(méi)有定距變量這種說(shuō)法）。

不少醫(yī)學(xué)統(tǒng)計(jì)學(xué)專(zhuān)業(yè)的研究生，就對(duì)機(jī)器學(xué)習(xí)中所謂的“標(biāo)簽”、“特征工程”等各類(lèi)術(shù)語(yǔ)茫然不知所措。同樣，跟工科老師提“變量”、“指標(biāo)”這些，他們有時(shí)也需要反應(yīng)一會(huì)兒。盡管工科老師可以做出最復(fù)雜的模型，有時(shí)卻難以理解像“關(guān)聯(lián)”這種最簡(jiǎn)單的詞在醫(yī)學(xué)中的表達(dá)。因?yàn)楣た粕壑锌吹降?，往往只是?shù)據(jù)本身，而醫(yī)學(xué)的數(shù)據(jù)分析，卻滲入了大量的設(shè)計(jì)思路。

機(jī)器學(xué)習(xí)往往簡(jiǎn)單粗暴，就是不斷調(diào)優(yōu)，最終接近目標(biāo)。簡(jiǎn)單地說(shuō)，你想要一根香腸，你把肉從機(jī)器這頭塞進(jìn)去，那一頭就努力給你出來(lái)一根符合你需求的香腸，中間怎么做的，你不用管（事實(shí)上，你可能也管不了）。

統(tǒng)計(jì)學(xué)則并非如此，你想要一根香腸，需要自己精挑細(xì)選，準(zhǔn)備好各種原料（肉、蔥姜蒜、油鹽醬醋等），然后一點(diǎn)一點(diǎn)嘗試，最終在自己的不斷努力下，終于做出一個(gè)符合自己口味的香腸。機(jī)器最多只是幫你做成香腸的樣子，調(diào)餡什么的都是自己手工完成的。

如何利用統(tǒng)計(jì)學(xué)的技術(shù)做出一個(gè)符合需求的香腸，這個(gè)要求難度比較高。新手和老手做出的絕對(duì)不一樣。因?yàn)樾率滞赡苋狈?jīng)驗(yàn)，不知道如何選各種原料，如果做得效果不好，可能也不知道如何分析問(wèn)題出在哪里。而資深統(tǒng)計(jì)學(xué)家則可以快速想到各種可能的問(wèn)題并加以解決。

如果利用機(jī)器學(xué)習(xí)技術(shù)，你想讓機(jī)器幫你調(diào)餡，你只負(fù)責(zé)把肉塞到機(jī)器里，這時(shí)候新手和老手可能差別并不大，因?yàn)榇蠹叶贾涝趺窗讶夥胚M(jìn)去，至于機(jī)器里面如何調(diào)餡（參數(shù)調(diào)優(yōu)），你就放心地交給機(jī)器好了。然而一個(gè)很關(guān)鍵的問(wèn)題是，如果你選的原料不好，這個(gè)機(jī)器再厲害，也不可能做出一個(gè)口感很好的香腸。機(jī)器可以幫你調(diào)餡，但絕不可能幫你選原料。這一點(diǎn)是絕對(duì)是資深統(tǒng)計(jì)學(xué)家值得夸耀之處，也是不可替代之處。

有的醫(yī)學(xué)統(tǒng)計(jì)研究生（包括一些老師）很喜歡這些機(jī)器學(xué)習(xí)方法，卻輕視傳統(tǒng)的統(tǒng)計(jì)學(xué)方法。我一個(gè)朋友就曾收到一個(gè)審稿意見(jiàn)（文章目的是用logistic回歸建立一個(gè)預(yù)測(cè)模型），建議他不要用logistic回歸建模，改成所謂的“高級(jí)”統(tǒng)計(jì)方法。聽(tīng)起來(lái)很可笑，然而的確有一些人對(duì)這些所謂的“高級(jí)統(tǒng)計(jì)方法”著迷。

事實(shí)上，統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)技術(shù)不是什么低級(jí)和高級(jí)的劃分，如果真要說(shuō)的話(huà)，統(tǒng)計(jì)學(xué)應(yīng)該是機(jī)器學(xué)習(xí)之父（個(gè)人觀(guān)點(diǎn)），雖然有的機(jī)器學(xué)習(xí)方法表面上看起來(lái)好像跟統(tǒng)計(jì)學(xué)沒(méi)什么關(guān)系，但深入進(jìn)去，其實(shí)是滿(mǎn)滿(mǎn)對(duì)統(tǒng)計(jì)學(xué)的敬意。不能因?yàn)槎兊盟坪跸冗M(jìn)了，就忘了上一代的功勞。比如logistic回歸和神經(jīng)網(wǎng)絡(luò)，能說(shuō)神經(jīng)網(wǎng)絡(luò)比logistic回歸高級(jí)？

相比機(jī)器學(xué)習(xí)技術(shù)而言，醫(yī)學(xué)統(tǒng)計(jì)學(xué)的分析需要更多經(jīng)驗(yàn)積累，同一份數(shù)據(jù)，有經(jīng)驗(yàn)的統(tǒng)計(jì)學(xué)家可能會(huì)更容易發(fā)現(xiàn)數(shù)據(jù)背后的一些問(wèn)題所在，可以更好地找出數(shù)據(jù)背后隱藏的真正規(guī)律。而新手有時(shí)則會(huì)錯(cuò)失這些規(guī)律，看不到一些提示或信息，有時(shí)可能會(huì)沉浸在一些似乎有意義的假陽(yáng)性中沾沾自喜，有時(shí)則會(huì)為未能發(fā)現(xiàn)有意義的結(jié)果而苦惱。

舉一個(gè)例子，我要基于logistic回歸建立一個(gè)預(yù)測(cè)模型（共有a、b、c三個(gè)連續(xù)變量）。我直接把因變量（二分類(lèi)）和3個(gè)自變量扔到軟件里建模，最后3個(gè)變量都沒(méi)有統(tǒng)計(jì)學(xué)意義，模型的ROC曲線(xiàn)下面積只有0.6：

如果我用兩層的神經(jīng)網(wǎng)絡(luò)，也把這3個(gè)變量扔進(jìn)去，最后得到的ROC曲線(xiàn)下面積是0.86：

乍一看似乎讓人印象很深刻，神經(jīng)網(wǎng)絡(luò)優(yōu)于logistic回歸。這也是前幾年不少這類(lèi)文章的結(jié)論（我個(gè)人就審過(guò)好幾篇）：通過(guò)對(duì)同一批數(shù)據(jù)，分別用logistic回歸和神經(jīng)網(wǎng)絡(luò)（或其它機(jī)器學(xué)習(xí)方法）建模，最后一比較ROC曲線(xiàn)下面積，得出結(jié)論認(rèn)為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)效果優(yōu)于logistic回歸。

這種結(jié)論是否正確，說(shuō)實(shí)話(huà)，很難說(shuō)。比如，你讓一個(gè)老外（根本不知道什么叫水餃）來(lái)包水餃，然后同時(shí)也讓一個(gè)機(jī)器自動(dòng)包水餃，最后比較一下誰(shuí)包的好吃，結(jié)果發(fā)現(xiàn)，機(jī)器包的好吃，然后宣揚(yáng)：機(jī)器包的水餃優(yōu)于人包的水餃。這個(gè)結(jié)論是否可靠呢？大家可以自己想想就明白。如果不是讓一個(gè)老外包水餃，而是一個(gè)資深的廚師來(lái)包呢？最后還是說(shuō)機(jī)器的更好嗎？我想未必。

詳情請(qǐng)點(diǎn)擊下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650404540&idx=3&sn=a2fc90b39515c930dec752c53e332880&chksm=83518b14b4260202f4db115fc345efe238e4e5b617664a4a79ebb040c184c2fea49e82b206f4&token=1015557697&lang=zh_CN#rd

2023年統(tǒng)計(jì)服務(wù)?

2023年，我們將開(kāi)展從科研設(shè)計(jì)、數(shù)據(jù)分析、統(tǒng)計(jì)學(xué)報(bào)告等醫(yī)學(xué)科研研究方法咨詢(xún)與服務(wù)多項(xiàng)服務(wù)，若您有課題經(jīng)費(fèi)可以支持，歡迎您提前和我們聯(lián)系，2022底前采用預(yù)付方式與我們開(kāi)展合作。?

2023年統(tǒng)計(jì)服務(wù)開(kāi)啟！歡迎提前洽談數(shù)據(jù)分析、科研合作服務(wù)