內(nèi)容來自：“小白學(xué)統(tǒng)計”微信公眾號，感謝作者授權(quán)

醫(yī)學(xué)預(yù)測模型可用的方法非常多，可謂眼花繚亂，隨口就能說得上來的都有十幾種，能用的至少幾十種。 那么醫(yī)學(xué)研究中的預(yù)測模型開發(fā)常用的方法到底有哪些，如何選擇？ 本文結(jié)合自己的經(jīng)驗說一下。 不當之處，請批評。

我個人認為，可以將醫(yī)學(xué)預(yù)測模型方法分為三大類：

（1）回歸模型：這里既可以是傳統(tǒng)的回歸模型，如logistic回歸、線性回歸、Poisson回歸；也可以是考慮收縮技術(shù)（ 或者叫做懲罰方法）的模型，如Lasso回歸、彈性網(wǎng)絡(luò)等。

（2）非參數(shù)模型： 如光滑樣條、廣義可加模型等。

（3）機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)： 如神經(jīng)網(wǎng)絡(luò)、分類樹、支持向量機、隨機森林、卷積神經(jīng)網(wǎng)絡(luò)等。

這種分類當然仁者見仁。 比如，機器學(xué)習(xí)和深度學(xué)習(xí)能不能歸到一類，每個人有自己的不同觀點，因為應(yīng)用場景不大一樣。 深度學(xué)習(xí)主要用于一些文本、圖像等非數(shù)字的數(shù)據(jù)。

當然，無論如何，大家不用太關(guān)心這個分類。因為不會有人非得問你，你這個方法屬于哪一類？大家需要更關(guān)心的是：我該選擇哪種方法。

很多臨床醫(yī)生以及很多公衛(wèi)的學(xué)生現(xiàn)在都喜歡用機器學(xué)習(xí)方法，覺得聽起來高大上。 這種心理無非就是覺得： 我用個大家都知道的回歸分析，太土了，顯不出我的水平。 我用個新穎的機器學(xué)習(xí)方法，大家覺得我水平高。

讓我們仔細分析一下：首先，如果你是寫文章或申課題，評審的都是專業(yè)的統(tǒng)計學(xué)家，專業(yè)的統(tǒng)計學(xué)家絕對不會因為你用神經(jīng)網(wǎng)絡(luò)而不用logistic回歸，就覺得你水平更高。在專業(yè)統(tǒng)計學(xué)家眼中，不會覺得一種方法比另一種方法更好，每種方法都有自己的優(yōu)缺點。當然，也許有時候恰好評審專家中沒有統(tǒng)計學(xué)家，那另當別論。 其次，如果你是畢業(yè)論文，給你評審的專家什么方法沒見過？強行為了用新方法而用，只會讓評審專家覺得你太幼稚。

所以，無論在什么情形，沒必要去追求所謂的高大上方法。

那實際中如何選擇呢？ 先用一張概念圖示意一下常見幾種方法的解釋度和靈活度（摘自James G，2021）。

沒有任何一種方法是完美的。回歸方法解釋度很好，但靈活度不足；機器學(xué)習(xí)方法很靈活，但解釋能力有限。

所以，其實答案取決于你自己。 你想側(cè)重解釋度還是側(cè)重模型的擬合效果？如果你的目的只是為了建一個預(yù)測效果很好的模型，至于解釋能力如何并不關(guān)心，這種情況下，可以考慮用機器學(xué)習(xí)（當然，我說是可以考慮，并不意味著一定可以用，實際能不能用還取決于其它條件，比如樣本量夠不夠）；如果你想開發(fā)一個在臨床中應(yīng)用的，讓臨床大夫也能很好理解的預(yù)測模型，那解釋度就很重要，這時候建議首選考慮回歸模型。

事實上，機器學(xué)習(xí)為什么更加靈活，很大一部分原因是它比回歸模型可以更好地處理非線性?；貧w模型（包括lasso）無法自動處理非線性問題，而在醫(yī)學(xué)數(shù)據(jù)中，非線性并不少見。如果存在非線性而你又直接用回歸模型，必然效果不好。但是這里還有一個契機是：如果你有一定的分析經(jīng)驗，依然可以通過各種方法在回歸模型中解決非線性問題。

比如下面這個例子，這是同一個連續(xù)變量的預(yù)測效果。 左圖把變量直接納入logistic回歸，顯示AUC只有0.6，而兩層的神經(jīng)網(wǎng)絡(luò)則AUC達到了0.86。 很多人就會說，果然神經(jīng)網(wǎng)絡(luò)優(yōu)于logistic回歸！ 事實上，不少論文就是這么做的，也是這么得出結(jié)論的。

然而再看右圖，我仍然使用logistic回歸，但是把該變量做了一個變換，同樣還是這個變量，AUC也達到了0.86。 現(xiàn)在還能說logistic回歸不如神經(jīng)網(wǎng)絡(luò)嗎？

所以建議大家：

如果你用的就是常規(guī)的臨床數(shù)值數(shù)據(jù)（而不是文本或圖像等），如果預(yù)測變量與結(jié)局之間沒有復(fù)雜的非線性關(guān)系，采用回歸模型即可； 如果發(fā)現(xiàn)非線性關(guān)系，但是可以變換成線性的，可以考慮簡單的非線性回歸模型； 這類方法的解釋度最高。

如果存在較為復(fù)雜非線性關(guān)系，可以考慮樣條回歸、光滑樣條等技術(shù)，這類方法的解釋度略優(yōu)于神經(jīng)網(wǎng)絡(luò)。 但其實這類方法也不會把關(guān)系處理的太復(fù)雜，大多數(shù)還是相對簡單的非線性關(guān)系。 因為如果非要搞得很復(fù)雜，解釋性也就下降了，就不如直接用機器學(xué)習(xí)了。

只有那些真正關(guān)系很復(fù)雜或搞不清到底什么關(guān)系，可以考慮用機器學(xué)習(xí)方法。機器學(xué)習(xí)并不是萬能的，至少解釋度就差了好多。盡管目前也有一些技術(shù)適當提高了解釋度（如SHAP），但是相比之下，畢竟還是不如回歸模型。

如果你是一名臨床醫(yī)生，我相信你開發(fā)一個預(yù)測模型的目的是為了應(yīng)用，這種情況下，用回歸模型會更合理，除非數(shù)據(jù)實在太復(fù)雜。 但根據(jù)我十多年超過千次的數(shù)據(jù)分析經(jīng)驗，通常數(shù)據(jù)沒有那么復(fù)雜。

如果你是一名公共衛(wèi)生、醫(yī)學(xué)統(tǒng)計專業(yè)的學(xué)生，可能是為了寫一個預(yù)測模型開發(fā)的畢業(yè)論文，所以你想用一些新的方法。但我仍然建議首選回歸模型。原因在于：如果你用機器學(xué)習(xí)的方法，你或許在分析過程中學(xué)到了如何用R、python等實現(xiàn)，但你也許只學(xué)到了這些。除非你非常用心鉆研其背后原理（據(jù)我了解這種人不多），否則其實你仍然只是學(xué)到了皮毛。還不如采用回歸模型，具體學(xué)習(xí)分析過程中遇到的各種問題，如何解決的方法，也許會加深你對模型的理解。永遠不要覺得哪種方法太簡單了你不屑于用，沒有一種方法是真正簡單的，取決于你如何理解“學(xué)會”這兩個字。能用軟件出個結(jié)果就算是“學(xué)會”了這種方法了嗎？

當然，雖然我的建議很明確，但仍需要根據(jù)具體數(shù)據(jù)、具體場景、以及你自己的研究目的來定。只是希望大家在醫(yī)學(xué)預(yù)測模型開發(fā)應(yīng)用這一領(lǐng)域，不要走偏。如果一個醫(yī)學(xué)預(yù)測模型最終目的不是為了臨床應(yīng)用而生，那你開發(fā)的目的到底是什么？這個問題雖然簡單，但是希望大家在模型開發(fā)前，都捫心自問一下，我們做這個預(yù)測模型是為了什么？是不是必須要做？

教程，30多篇R教程，以及更多科研教程！