换一批基于生化指标和机器学习建立疾病临床预测模型的研究进展
Research progress in building clinical prediction models for diseases based on biochemical indicators and machine learning
摘要基于生化指标构建临床预测模型已成为现代医学研究的一个重要方向.本文系统地梳理了近年来基于该模型的研究进展,重点关注模型构建的关键环节,并指出此类模型目前存在的不足及未来的发展方向.笔者通过检索PubMed、Em-base、Web of Science 和中国知网等数据库,对28项相关研究的建模目标、变量选择、建模方法及模型评价进行了总结和分析.结果显示纳入的研究多为小样本、单中心设计,样本量中位数为466例(n=54～58 616例),研究对象以肿瘤患者为主,研究重点集中于疾病预后的风险预测.纳入研究的模型预测精度存在较大差异[曲线下面积(AUC)范围:0.691～0.992].进一步分析显示,部分研究存在若干不足之处,包括纳入/排除标准不明确、数据预处理不规范、特征工程缺乏、未进行交叉验证和外部验证等.因此,尽管已有诸多研究尝试基于生化指标构建临床预测模型,但整体研究质量尚待提升.未来研究应注重选择多元自变量和先进机器学习算法进一步优化模型,并采用规范化的评估方法,确保模型的临床适用性,并重视时间序列数据的应用,以构建高质量的预测模型,从而充分发挥生化指标的临床价值.
更多相关知识
关键词
生化指标代谢指标预测模型Logistic回归机器学习人工智能联合建模数字孪生Biochemical indicatorsMetabolic indicatorsPredictive modelingLogistic regressionMachine learningArtificial intelligenceCombined modelingDigital twin
栏目名称
DOI
10.16689/j.cnki.cn11-9349/r.2025.02.016
发布时间
2025-07-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
四川省科技厅重点项目（2024YFFK0075）
- 浏览9
- 被引0
- 下载10
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
