关注公众号,发送R语言或python,可获取资料

专注R语言在生物医学中的使用

免费千人QQ交流群:613637742

周五公开课文字内容以及录屏回放。

视频已上传到b站,我的b站账号:阿越就是我

本文目录:

临床预测模型常见发文类型

临床预测模型和生信数据挖掘结合

总结

从医学统计到机器学习

机器学习离医学生/医生很遥远吗?

并不是,其实大家都学过。

医学统计学是一门运用统计学的原理和方法,研究医学科研中有关数据的收集、整理和分析的应用科学。–孙振球,徐勇勇《医学统计学》第4版

机器学习是一门多学科交叉专业,涵盖概率论知识,统计学知识,近似理论知识和复杂算法知识,使用计算机作为工具并致力于真实实时的模拟人类学习方式,并将现有内容进行知识结构划分来有效提高学习效率。–百度百科

结合我们的医学背景讲,机器学习是能够帮我们决策的工具。机器学习中的部分内容我们并不陌生。

医学统计学中都学过多元线性回归、logistic回归、判别分析、聚类分析等,这些都是机器学习的范畴,都属于机器学习的方法。只不过是所处的情境不同,就像一个人可以有多种身份。

在logistic回归中,我们通过多个自变量建立logistic回归方程,由此来判断因变量的状态,比如患病/不患病,肿瘤/非肿瘤,死亡/生存等;在多元线性回归中,我们可以通过多个自变量预测患者的血糖水平。

这些问题在医学统计学中,我们的目的是探寻自变量和因变量的关系,在机器学习中也是一样的用法,不过此时的目的更偏向于预测结果。除此之外,机器学习面向的主要是大样本量的数据,而医学统计学在使用这些方法时,通常是样本量不大的。

除了我们学习过的多元线性回归、logistic回归等,还有一些医学统计学中没有讲到的内容,比如大家经常见到的:随机森林,lasso/ridge/elastic net,支持向量机,knn等,都属于机器学习的内容,都是类似的用法,用多个自变量预测一个因变量。

机器学习在临床中的应用

机器学习在很多领域应用广泛,在医学领域,大家经常接触的主要是以下几个方面:

这里面我认为最简单的就是临床预测模型。

另外两个需要额外学习的背景知识太多,对于医学生/医生,尤其是临床医学、中医学等,不亚于从0开始学习一门技能。

今天我们简单介绍下机器学习和临床预测模型的应用。

机器学习和临床预测模型有什么关系?

首先大家要明确,临床预测模型是什么?

临床预测模型的本质是一种分类方法。通过这种方法,你可以对很多东西进行分类,比如,生和死、有病和没病、肿瘤和非肿瘤、复发和不复发等等。

再直白一点,临床预测模型是一个公式,根据这个公式,你提供一些基本信息,比如年龄、性别、体重、血红蛋白量等(或者某个基因的表达量等),就可以计算出这个人到底是有病还是没病!–《简单易懂:什么是临床预测模型》

你看这个过程是不是和我们上面建立多元线性回归、logistic回归的过程一模一样?也是多个自变量和一个因变量的故事。

所以,临床预测模型的各种实现,都是通过机器学习的方法完成的(你非说是通过统计学的方法也可以,因为二者本来就没有清晰的界限)。这其中比较简单的也是比较常见的是logistic回归、cox回归这些,其他方法,如随机森林、SVM、各种提升算法等,也都逐渐开始使用。

除此之外,大家常见的各种重抽样方法,比如bootstrap、cross validation、holdout(train/test split)等,都是机器学习中常见的基本内容。

各种对变量的处理,比如:中心化、标准化、缺失值插补、样条回归、boxcox、向前/向后/逐步选择、最优子集,等,也都是机器学习的基础内容。

唯一不同且是最重要的一点:临床预测模型更加注重结合临床背景进行解释。

不同于机器学习中变量重要性(随机森林)这种解释,我们更喜欢OR/HR/RR这种解释,自变量每增加一个单位,因变量的危险增加多少、大于60岁的人相比于小于60岁的人,患某病的风险增加多少。

临床预测模型必须不能脱离临床,单纯的数字游戏没有任何意义。

很多讲临床预测模型的课程,涉及的机器学习基本方法太少,指南里的东西大家都知道,满足不了大家发文章的需求。

当我们谈论临床预测模型时,我们在谈些什么?

这个答案大家应该都很感兴趣:文章!SCI!

临床预测模型本质上应该是为医务人员提供新的诊疗工具、决策工具,开发更为快捷、简便、性价比高的量化工具。比较熟悉并且十分成功的案例:肿瘤的TNM分期。

但是目前来看,主要作用是为大家提供新的发文方式!

绝大多数临床预测模型类文章都没有实用价值。

机器学习与临床预测模型需要哪些知识统计学知识

这块知识对于大家应该不陌生,很好上手。

医学统计学,特别是多元线性回归、logistic回归、Cox回归,需要重点掌握。

除此之外,需要学习一些课本上没有的、但是文献中经常见的统计学方法和指标。

灵活使用,举一反三,不能还停留在t检验、方差分析的阶段,需重点掌握结果的解释。

机器学习基础

这部分内容需要重新学习,但是不需要掌握复杂的原理,数学公式推导等,需要学会:

特征工程:特征选择

超参数调优

存在的问题:处理后不管是单位还是尺度都已变化,怎么解释?

除此之外,还需学习常见的机器学习算法:

对于以上算法预测模型有哪些,只需学会使用即可,知道哪些算法可以用于什么样的数据、需要哪些数据预处理,结果如何解读等。

统计软件和编程

python,影像组学建议学

Linux,生信数据挖掘建议学

附:如果你要学习生信数据挖掘

下游分析需要掌握的基础知识:

以上所有,外加:

什么是芯片,常用的芯片平台有哪些?什么是GEO?表达矩阵,探针id转换?

什么是一代测序,二代测序,三代测序?什么是counts,tpm, fpkm?什么是TCGA?TCGA包含哪些数据?什么是编码基因?mRNA, lncRNA, miRNA, circRNA等?生信常见的各种数据库id, hgnc gene symbol, entrez id, ensembl id等?中心法则?表观遗传涉及哪些内容?什么是甲基化?单核苷酸多态性SNP, 拷贝数变异CVN?

什么是gtf, gff, 参考基因组,基因组注释文件?常见的生信数据存放格式?fastp, fastq, bam, sam,

氨基酸缩写?人类染色体命名规则?

常见的生信下游分析方法?差异分析,生存分析,富集分析,WGCNA,免疫相关分析,治疗相关分析等,在不同数据类型(转录组、甲基化等)中?

上游分析需要的知识也很多。

我的主要学习阵地:哔哩哔哩!解决你80%的问题

临床预测模型常见发文类型

临床预测模型类文章主要内容是3个部分:

模型的建立-各种算法,logistic、决策树等等

模型的评价-各种指标和图表,ROC、C-index、校准曲线、决策曲线等等

模型的解释:临床预测模型必须不能脱离临床,单纯的数字游戏没有任何意义。

比较简单的

算法不复杂,步骤也不复杂。只需要logistic回归、Cox回归、Lasso即可。

更加典型的案例

训练集+测试集,各来一遍,各种图、指标都用上:nomogram、ROC曲线、校准曲线、决策曲线、K-M生存曲线、C-index等。

机器学习方法的使用

随机森林、决策树

Cross Validated Elastic regularized logistic regression method (cv-Enet), boosting linear regression (glmboost), random forest, and an ensemble model

随机生存森林

临床预测模型和生信数据挖掘结合

也可以认为是机器学习和生信挖掘领域的结合,基本思路和常规的临床预测模型差不多,比上面介绍的临床预测模型内容更多,主要是两个方面:

有了生信的加持,可以玩出更多花样!扩展性极大提高!工作量也成倍增加预测模型有哪些,通常此类文章机器学习只是其中一部分内容。

生信数据挖掘,到底在挖什么?

本质是通过各种方法得到一小撮分子,再通过各种方法证明这些分子很重要!

寻找分子的过程通常也属于变量选择的过程,因为高通量最不缺的就是变量!这些分子通常是mRNA/lncRNA/miRNA等。

一些常见的方法:

然后建立模型,这部分内容和临床预测模型差不多,也是建立各种机器学习算法:

评价模型,和临床预测模型相似的内容:

除此之外,还有一些生信数据挖掘特有的部分:必须和治疗/预后扯上关系

生信数据挖掘文章还有一个特点:紧跟热点

铁死亡、铜死亡、细胞凋亡、内质网应激、肿瘤干性、缺氧、m6A、上皮-间质转化、凝血、血管生成、……

理论上你去GO或者KEGG的官网,所有的分子集合都可以挖一遍;所有病理生理过程涉及的分子也都可以挖一遍(离子通道)。

生信数据挖掘典型花里胡哨图:

比较简单的

最早期的临床预测模型和生信数据挖掘结合的思路:

2022年了,这种远古套路依然可以发!因为他加了实验……

思路不新,也没有实验,但是疾病没人挖掘:儿童败血性休克,机器学习只占一小部分内容,主要是寻找分子以及说明重要性:

复杂的

超级复杂的工作量、泛癌、单细胞、实验验证

image-20221210192226653

恐怖的工作量:单是机器学习部分就有10种机器学习算法的101种组合!以及和其他已发表的模型进行比较!

总结

感谢大家,祝大家百发百中!

免费千人QQ交流群:613637742

精选合集

发表回复

后才能评论

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源