模型类文章如何提高临床实用性

随着医院数据量的增加以及机器学习等算法的兴起。目前有很多基于患者数据来进行模型预测的研究。例如我们之前介绍过的：这个文章

PS：除了这些利用临床数据来构建模型的文章，当然还有一些比如利用高通量测序的数据(例如TCGA数据库)来进行基因相关的模型预测也属于这类的研究。

对于这类的文章，给人的感觉就是。啊。。这个东西好有用呀。这模型要是用于临床预测了，那岂不是不用抽点儿血进行一下相关的检测就能知道这个患者的风险了。

但是后来一想，文章说了这个模型很有用，但是我要怎么用呢？里面也没有提供各个指标的权重公式，那我就算知道这几个指标了。也没办法进行预测的。好一些的可能会要一些nomogram的图。但是我总不能检测完几个指标之后，用尺子比着文献来计算这个人的风险指数吧。

那么，对于这类的研究要如何才能提高临床的实用性呢？这个问题，最近在JCO上发表的这个文章倒是提供了一个方法。那就是基于预测的模型算法来建立一个网页版的在线计算器

在这个文章当中，作者使用转移性生殖细胞肿瘤的临床数据的临床指标来构建了一个预测患者的3年生存期的模型。同时基于这个模型开发了一个网站计算器，这样输入相关指标的指数就可以得到这个患者的三年生存期预测结果了。

以上就是对这个文章的构建的计算器的简单说明，当然这样构建网页计算器的做法也不是这个文献首创的。对于很多文章都这样的。其中基于TCGA数据分析的文章也有构建这样网页端的计算器的。但是，对于基于全基因组测序数据的模型研究而言，毕竟不能让每个患者做完全基因组检测之后才进行预测的，所以从模型到应用中间还是差了很多转化的过程。

有兴趣的，倒是可以看一下这个文章。作者在全基因组的甲基化检测筛选出标志物之后。之后在这个文章里面通过实验室可行的方法(qMSP)来评估这些指标的好坏。这样的得到的标志物至少在可行性上就提高了很多。