大數據在臨床實踐與科研領域中的擴散與融合進入“高鐵時代”，這為以機器學習為工具、以構建預測模型為目的的臨床數據挖掘研究提供了廣闊舞臺與無限機遇。臨床數據挖掘可實現預測、描述、關聯發現、異常檢測等研究任務，而構建預測模型在臨床數據挖掘中最為重要、也最具臨床應用前景。臨床預測模型可以實現對疾病發病風險因素識別、診斷分型、治療效果預判、預后預測，對輔助臨床決策、實施精準治療和提升醫療效率都起到十分重要的作用。當前，臨床數據挖掘研究向著多模態預測、多場景應用、多專業方向不斷發展，預測模型報道日益攀升。但是，臨床數據挖掘研究與臨床實踐需求之間的異頻現象有嚴重化趨勢，醫療實踐中應用公開發布預測模型的信心依然若有若無，研究成果在臨床實踐中的轉化應用仍屈指可數。因此，有必要深入審視臨床數據挖掘研究的焦點與局限，重新提煉原則共識，克服認知不足與視野局限問題，切實推動可在實踐中轉化應用的臨床數據挖掘研究。

開展臨床數據挖掘面臨的問題與挑戰

臨床數據挖研究能夠利用最大最真實樣本（來自單中心或多中心）構建預測模型，發現臨床特定疾病患者中的異質性亞組群體。以機器學習為代表的數據挖掘將預測模型研究推到了臨床科研領域的中心地帶，形成了當前醫學研究的新質動能。但是，現狀卻是“只聽樓梯響，不見人下來”：預測模型在臨床實踐中并沒有產生預期的轉化應用，一些關鍵問題也隨之逐漸浮出水面。

首先是臨床數據異質性問題。臨床數據包含兩種截然不同而又密不可分的異質性：1）患者及就診機構診療體系方面存在的真實變異（I類變異），包括患者的風險因素、基因型、表型的變異，以及診療體系的施治效率。2）臨床數據檢測產生的虛假變異（II類變異），包括儀器、試劑、測量、算法和定義等方面造成的變異。把II類變異控制在合理水平，是發現I類變異的前提。更為重要的是，I、II類變異水平與比例相當，是多中心研究和獨立性驗證的假設基礎。但是，目前臨床數據挖掘研究并未予以足夠認識評估，也未采取措施有效應對。

而且，I類變異分布在臨床數據的三個維度：1）臨床實踐指南更新導致的時間維度的異質性，這必然要求對預測模型進行前瞻性驗證，也賦予了特定預測模型一定的有效期。2）患者空間分布的異質性，必然要求使用外來模型前必須進行獨立性驗證。3）以醫療機構等級為代表的診療體系施治水平的異質性。以上情況都極大加劇了臨床數據異質性問題，為臨床數據挖掘研究中驗證預測模型帶來了極大挑戰。

第二，在臨床數據挖掘研究中，研究者對臨床問題的理解脫離了臨床實踐，對臨床數據包含的實踐邏輯缺乏清晰認知，導致臨床預測模型所定義的問題多是虛假臨床問題。一個臨床問題由三個要素（患者、治療、效果）和一個原則構成（對比）構成。實踐中診斷患者時，多環節間的流轉、多學科間的協作與競爭、多角度間的矛盾與妥協，決定了在具體臨床問題中相同疾病患者臨床定義的多樣性和復雜性。臨床治療時，醫生決策時考慮因素和決策過程、措施穩定性等信息并非都記錄在臨床數據中，各因素間（如疾病臨床表型之間）復雜的臨床邏輯關系在數據治理過程中也會因多種原因被忽略或刪失。觀察臨床治療效果時，觀察指標種類多、定義多、測量手段多，數據分布規律不齊，在臨床治療中的決策作用也不盡相同，彼此間關系也有親疏遠近，這些信息并未在預測模型開發研究中得到完整準確理解和應用。

上述情況廣泛存在，使得有獨立性驗證加持的臨床預測模型，也很難在臨床實踐中贏得應用信心和部署機會。

個體化臨床預測模型的開發與應用

臨床數據變異的異源與多維分布，決定了在臨床實踐中使用外來預測模型時，必須經過獨立性驗證。藥物、器械、生物標志等開發經濟和時間成本高，有跨時空使用的必要性，自然也應該得到嚴格的獨立性評估。然而，利用臨床數據挖掘開發預測模型的成本相比可以忽略不計，立足醫療機構甚至醫生個人，利用公開、透明、可靠的分析方法，開發個性化預測模型，相比使用外來預測模型，可以克服II類變異與I類變異中的空間、機構維度上的數據變異，因此擁有難以比擬的效率與應用優勢。

臨床預測模型是臨床數據和開發流程的融合產物。通過外部驗證并不代表克服I和II類變異對預測模型的影響，也必然會影響外來臨床預測模型準確性。而且臨床預測模型利用外部隊列數據驗證時，準確性毫無例外都會下降。但內部驗證可以為臨床預測模型的臨床數據挖掘分析流程提供強可靠有力的支持。因此，相比于預測模型本身，透明可靠的臨床數據挖掘分析流程更不會受到臨床數據異質性影響，更容易得到移植、評估。利用透明可靠的臨床數據挖掘分析流程，基于本地真實世界數據開發個性化的臨床預測模型并實施部署，也就水到渠成。

此外，一些臨床問題也的確適合開發通用預測模型，然而更多的臨床問題僅適合開發通用的建模流程。毫無疑問，適合開發通用模型的臨床問題也適合開發通用的建模方法，但反之則不然。同時，一個容易引起爭議的問題是，已發布的預測模型融入了開發數據集包含的頂級臨床專家知識經驗。但是，在專家指導下提升本地臨床實踐，可以顯著提升臨床數據質量，用于開發更好的個性化預測模型，這種選擇無疑更具優勢。

臨床數據挖掘研究的展望與未來

數據技術的發展，極大增強了記錄和再分析臨床復雜診療過程的能力。利用可靠的預測模型開發方法，基于自有臨床數據開發構建個性化臨床預測模型，具有無可比擬的臨床實踐轉化優勢。毫無疑問，在臨床實踐中自覺開展數據挖掘研究，開發滿足特定診療場景需求的個性化預測模型，并將其應用于臨床決策過程中，將成為臨床決策者應有的新質素質和責任擔當，形成醫療領域的新質生產力。

傳統預測模型如邏輯回歸模型天然具有極好臨床可解釋性，這塑造了社會公眾與臨床專家對臨床預測模型可解釋性的固定期望。更為重要的是，模型可解釋性有助于對模型預測結果的理解和信任，也有助于發現潛在偏倚、法規監管和倫理審查等。因此，臨床預測模型可解釋性不僅是技術問題，更是倫理、法律與實踐混合的復雜技術型社會問題。當前，局部可解釋性和SHAP值（SHapley Additive exPlanations）、注意力機制、可視化等工具在模型可解釋性方面卓有貢獻。但是，選擇簡單模型、特征設計與選擇、透明訓練測試、醫工全時合作等有效手段運用明顯不足，復雜模型如深度神經網絡需要持續開發和改進解釋技術。

當前，算法、算力、數據在醫療機構不斷融合完善，個性化臨床預測模型在臨床實踐中的產學研一體化發展擴散必將大大加速，這既有助于醫療效率、醫療質量和醫療公平的帕累托改進，也有助于實現全民健康與醫學數字化轉型，必定會促進醫療教育、健康產業的重塑與涅槃。

作者為贛南醫學院第一附屬醫院醫藥大數據中心副主任（負責人）

來源：數字醫學與健康