2023年以來浙中醫(yī)大學(xué)鄭老師開設(shè)了一系列醫(yī)學(xué)科研統(tǒng)計課程，零基礎(chǔ)入門醫(yī)學(xué)統(tǒng)計包括R語言、meta分析、臨床預(yù)測模型、真實世界臨床研究、問卷與量表分析、醫(yī)學(xué)統(tǒng)計與SPSS、臨床試驗數(shù)據(jù)分析、重復(fù)測量資料分析、結(jié)構(gòu)方程模型、孟德爾隨機化等10門課，如果您有需求，不妨點擊下方跳轉(zhuǎn)查看：?

2023年鄭老師多門科研統(tǒng)計課程：多次直播，含孟德爾隨機化方法

一、背景

機器學(xué)習(xí)是利用計算機算法實現(xiàn)的技術(shù)手段，它可以發(fā)現(xiàn)數(shù)據(jù)中的新模式和做出推斷，并能自主學(xué)習(xí)和適應(yīng)新情況。近十幾年來，機器學(xué)習(xí)在工業(yè)、互聯(lián)網(wǎng)、金融等領(lǐng)域得到廣泛應(yīng)用，成為開發(fā)利用大數(shù)據(jù)資源的有力工具。在醫(yī)療健康領(lǐng)域，臨床醫(yī)生和研究人員同樣對機器學(xué)習(xí)具有強烈渴求，希望它能具備傳統(tǒng)統(tǒng)計分析技術(shù)無法企及的性能，為臨床解決更多問題。

然而，機器學(xué)習(xí)也有其局限性，并非在所有條件下都優(yōu)于傳統(tǒng)技術(shù)。因此，臨床研究需要認(rèn)真考慮應(yīng)用機器學(xué)習(xí)（或人工智能）的必要性或適當(dāng)性問題。近期，荷蘭鹿特丹伊拉斯姆斯大學(xué)醫(yī)學(xué)中心神經(jīng)外科的Victor Volovici等學(xué)者撰文討論了臨床研究中濫用和誤用機器學(xué)習(xí)的原因、危害和規(guī)避方法。

二、濫用機器學(xué)習(xí)的風(fēng)險

“濫用”是指不必要地采用機器學(xué)習(xí)，即機器學(xué)習(xí)并非最佳選擇但仍然采用。濫用問題產(chǎn)生的原因是不清楚機器學(xué)習(xí)的適用條件，沒有認(rèn)真考量采用機器學(xué)習(xí)的理由。比如，有些研究者在選擇機器學(xué)習(xí)而非傳統(tǒng)技術(shù)時，給出的理由是“使用新技術(shù)也許能得出有意義的新答案”。但這個理由其實并不成立。

首先，需要權(quán)衡模型的預(yù)測精確度與復(fù)雜程度。機器學(xué)習(xí)技術(shù)無疑提供了處理非線性、復(fù)雜或高維關(guān)系數(shù)據(jù)預(yù)測問題的強大方法。但許多簡單的醫(yī)學(xué)預(yù)測問題本質(zhì)上是線性的，通過參考既有研究或者相關(guān)機制、選擇已知的強預(yù)測因子作為預(yù)測變量，可以取得相對理想的預(yù)測效果，此時機器學(xué)習(xí)方法不具有明顯優(yōu)勢。與工程領(lǐng)域不同，在臨床領(lǐng)域，預(yù)測精度少許改善的實際意義不大。然而，機器學(xué)習(xí)模型卻往往比傳統(tǒng)模型復(fù)雜得多，這增加了臨床醫(yī)生和研究人員的理解（解釋）難度。

其次，評價機器學(xué)習(xí)模型性能的指標(biāo)有局限性。曲線下面積（AUC值）是衡量機器學(xué)習(xí)模型識別能力的常用指標(biāo)，可以理解為模型將陽性樣本（事件）排在陰性樣本（事件）之前的可能性。但AUC值高的機器學(xué)習(xí)模型可能是過度擬合了。在具有罕見結(jié)局的數(shù)據(jù)集中，高AUC值模型可以準(zhǔn)確預(yù)測陰性事件，卻不能準(zhǔn)確預(yù)測陽性事件。

三、誤用機器學(xué)習(xí)的風(fēng)險

“誤用”指不適當(dāng)?shù)厥褂脵C器學(xué)習(xí)模型，從而做出錯誤推斷。因此，“誤用”的后果比“濫用”更加嚴(yán)重。出現(xiàn)誤用的主要原因包括：

其一，沒有仔細(xì)審視機器學(xué)習(xí)模型的內(nèi)部運作機制。醫(yī)療決策應(yīng)該由清晰、有邏輯、經(jīng)得起推敲的推理過程來支持。用“黑匣子”支撐臨床決策是與現(xiàn)代醫(yī)學(xué)實踐相悖的。新冠疫情大流行之初，即時檢測新冠病毒的可靠方法尚未廣泛應(yīng)用，基于電子醫(yī)療記錄中的數(shù)據(jù)元素（比如胸片），利用機器學(xué)習(xí)模型估計感染概率的研究活躍起來。起初，不少基于胸部X光片的神經(jīng)網(wǎng)絡(luò)算法取得了比較理想的驗證結(jié)果。然而，當(dāng)這些模型被應(yīng)用于不同的醫(yī)療場景時，卻大多沒能成功復(fù)現(xiàn)，部分原因是模型并沒有理解疾病背后的病理學(xué)原因，卻試圖利用缺乏生物學(xué)意義的變量“走捷徑”，形成了偽因果關(guān)系。

其二，沒有考慮數(shù)據(jù)約束。機器學(xué)習(xí)需要大量數(shù)據(jù)。但是和其他科技行業(yè)相比，許多醫(yī)學(xué)文獻介紹的機器學(xué)習(xí)技術(shù)所需數(shù)據(jù)量少得多、特征集規(guī)模小得多。比如，F(xiàn)acebook使用來自超過10億名用戶的照片訓(xùn)練人臉識別軟件，而采用人工智能的臨床研究一般只使用幾千或者幾百張放射學(xué)和病理學(xué)圖像，開發(fā)手術(shù)階段識別技術(shù)使用的外科手術(shù)視頻往往不過幾十條。使用有偏數(shù)據(jù)、小數(shù)據(jù)集訓(xùn)練出的機器學(xué)習(xí)算法可能無法對感興趣的臨床問題進行完整描述，甚至可能放大性別歧視和種族歧視。

詳情請點擊下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650404591&idx=3&sn=7655119ec4dc63aeb7ace73a439ab468&chksm=83518b47b4260251a12690614e8b25071c63d6765db0409b4cd5d618fda874f7898408d3a207&token=310940294&lang=zh_CN#rd

2023年統(tǒng)計服務(wù)?

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

2023年統(tǒng)計服務(wù)開啟！歡迎提前洽談數(shù)據(jù)分析、科研合作服務(wù)??