[诠释经典]未来已来！医院和医生正在被预测模型改变，它的五个场景你知道吗
医院正在被预测模型改变！
本文也是 Clinical Prediction Models 这一临床预测模型“圣经”的读书笔记。它介绍了预测模型在临床中的五类场景，其中两个是诊断预测，三个是预后（也就是对治疗的反应和长期生活生存情况）预测。本文将对比传统诊疗流程，向大家展示这五类场景。
Clinical Prediction Models ，是 hellomedstat 诠释经典系列的重点书籍。我们按照章节顺序，用生动的方式为大家传递这本书的精彩内容！本文相应视频（约10分钟）同步在 b 站。
图释：我们熟知的传统看病过程是非常流程化的，流程化并没有错，它可以将低总体出错率。但是高度流程化带来的缺点就是很难顾及个性化治疗。临床预测模型可以大大促进流程化与个性化的结合，它可以在各个关键的决策节点帮助医生做出有依据的选择。
个性化治疗虽然早就提了，美国前总统奥巴马也早提出 Precision Medicine 精准医疗。它不仅符合每个患者的健康利益，也符合社会整体利益。但是知道今天它才终于等到了各方面时机的成熟，为什么呢？其实只有到今天，人类已经历经了近百年科学方法指导下的疾病探索，计算机科学也发展到了大数据和人工智能足以改变任何行业的程度，而所花费的时间比人脑快千万倍。这一切才算自然酝酿出了个性化治疗。所以，未来已来，生在今时今日的我们还是很幸福的。当然，最终的决策者依然是医生和患者，所以无论我们在医疗中处于什么角色，都可以期待这样的未来。
但是临床预测模型可以用低成本的方式，简化原来的流程，实现更精准的诊断，将患者分流，只有一部分需要进行进一步检查和治疗。在决定治疗方案的时候，预测模型又可以对患者可能收获的治疗效果进行预测，从而提前辅助医生拿出最合适的治疗方案。 这两个决策节点的预测模型分别叫诊断预测（diagnostic prediction）和预后预测（prognostic prediction）。
这两大类型可以分为五个场景，诊断预测包含定制检查方案和风险分类，预后预测包含治疗剂量、成本效益计算、手术方案选择。我们将原书五个场景画在了医疗诊疗流程中：
图释：五个场景分别是定制检查方案，风险分类，治疗剂量/强度，经济实惠（成本收益），手术方案选择。
下面来一一解释：
定制检查方案
帮助选择进一步检查：在使用金标准的诊断方法之前，临床医生经常需要选择更无创、便宜的检测，因为对所有疑似患者都采用金标准检测是不符合医疗常规的，而且既昂贵又不必要。这一点在严格分级诊疗的国家尤其明显。例如，要诊断肾动脉狭窄，诊断金标准是肾脏血管造影。而血管造影是有创伤且较为昂贵的检查项目。目前存在一个预测模型可以较敏感地分选出风险较高的患者进行血管造影检查。
风险分类
也叫分层（stratification），是用预测模型将具有不同疾病风险的患者分组，这样达到低阈值的患者将不接受治疗和进一步检测； 达到较高阈值的患者将接受治疗，无需进一步检测； 介于两者之间的患者将受益于进一步检测。
治疗剂量
就像长线投资的思维，治疗方案应该遵循获益大于风险的原则。但是每个患者对同种治疗的反应不同，承担风险也因人而异，所以需要有预测模型计算两者，从而得出个人治疗方案。
成本效益
对于个体来讲，可能愿意不惜一切治疗疾病，但是医疗决策指南是以群体利益最大化为目标的。医生遵循的正是这样的指南。目前的大部分指南并不能做到个性化治疗，医生在对待每个病人的时候还需要结合许多特殊的判断，但是又很容易导致超出指南的处置。所以如果能够将预测治疗效果模型建立并得到测试，有望写进指南，医生进行个性化治疗也将有章可循。
手术方案选择
外科在这里单独成一类。为什么呢？因为手术相关的决策涉及到权衡眼前的利弊和长期的利弊，前者要求医生短期作出决定，而后者不仅尚未发生，还取决于当前的手术决策以及手术效果。这么多的未发生事件结合在一起，而且时间线也被拉得足够长，做决策不是一件简单的事情。医学史上有一件著名的案例就发生在上世纪的荷兰，有一种投入市场的人造心脏瓣膜有致死性的重大缺陷，但是发生率却不高，这时不可能对所有使用此瓣膜的患者做二次手术，而且不同患者的潜在获益也不同。于是学者们设计了预测模型，将预测结果交给了临床医生使用，获得了较好的反响。
现在揭晓了这五类场景和两类决策节点，是不是有一种不明觉厉的感受？所以在这背后到底发生了什么呢？其实并不复杂，真相藏在这里：
图释：这是我们用了几十年的临床诊疗流程。当患者出现在医生面前，就开始了信息收集的过程。
从患者的性别年龄等基础的人口学特征，到既往得过什么疾病，这次有哪些不舒服，到做一些基础的体格检查包括视触叩听，测量身高体重血压等，听上去都是稀松平常。如果是住院患者，还一套常规实验室检查，至少是血常规和肝肾功能。在没有临床预测模型的时候，这些海量的信息虽然每位患者都有，但是远远没有提供充分的价值，可以说是被浪费了。而前面所说的预测模型，就是用这些信息，实现了让一部分人避免进一步检查和治疗，也让需要治疗的人得到更精细化的对待。
预测模型为什么能根据一些基本的信息做到这些？那就是最有意思的部分了，首先，预测模型就是一个统计学、或机器学习、或深度学习的运算过程。它可以套用到对象身上，让模型获得一些信息，从而输出一些信息，用来辅助医疗决策。
但光有数据也不行，模型是怎么将数据推演出结果的呢？这就是源于模型已经学习过先前存在的大量数据，已经总结归纳出了规律，并且用数学的方式表达了这些规律，这个总结归纳的过程并非人脑不能实现，而是人脑实现的过程会慢很多，各项成本也高很多，约等于不可能实现。而且即便有这样的天选之子，也只能造福极有限的人群。
所以，预测模型以及更广泛的人工智能，对人类的医疗改变之巨不可低估，且正在发生，让我们拭目以待吧。
欢迎小伙伴一起讨论学习！
微信：Positivism_y
QQ 群：760447631
邮箱：hellomedstat@gmail.com