医学临床预测模型发展新姿势-并联式
现有的预测模型是对单个结局指标进行分类或者回归，得出最终的结论，而辅助医生进行临床决策。众所周知，临床决策过程中，医生通常会考虑多个结局指标来做出最终的决策；临床研究中也通常会设定多个结局指标来综合反应疗效或预后。所以，采用单个结局指标的机器学习模型来提供临床决策的参考是不合适的，一种医学预测模型的新的发展趋势出现了，就是并联同一疾病不同结局指标的多个预测模型，共同做出临床决策。
一、两个例子
- FUSE-ML是一个用于预测腰椎融合术后效果的APP，它可以做出三个不同的结论，分别评价术后的腰痛、腿痛和日常功能是否提高。
这显然是训练并部署了三个机器学习模型在这个APP中，每个机器学习模型负责预测脊椎融合术后的一个结局，三个预测模型从不同方面共同评价一个疾病的预后，为医生或者患者提供更多的关于疾病的信息。
- 一篇论文《Development of the Combined Assessment of Risk Encountered in Surgery (CARES) surgical risk calculator for prediction of postsurgical mortality and need for intensive care unit admission risk: a single-center retrospective study》中，作者构建了一套预测手术风险的系统。这个系统中设定了两个结局指标，分别是患者术后30天内死亡和术后进入ICU超过24小时，并以这两个结局指标为结局训练了两个预测模型，分别制定了评分卡，最后将这两个评分卡合并在一起形成一个综合的评分卡来辅助临床决策。
二、可行性
这完全是可行的。
- 工作量没有增加很多。首先，是要收集疾病的多个结局。这是临床上常见的情况，比如癌症常考察的指标有死亡、局部转移，远处转移等。目前收集数据方面也通常会同时收集多个结局指标。其次，搜集多个结局指标对应的预测变量，因为这些预测变量会有交叉，即一个预测变量对多个结局指标都有贡献，可以用在多个预测模型中，所以预测变量总体数量上并不会增加很多。
- 表现形式上，Web APP也不需要太多的变化，还是一套输入，输出增加为多个输出，或者还是整合为一个输出。而列线图等其它的表现形式可能就不太适合。
三、讨论
并联式的模型做出的结论是不是更确切？我认为是的。首先，现在的机器学习模型还不能达到100%预测的准确度，对于某些个体来说可能在这个模型中是判断错误的，在其它的模型中可能是判断正确的，综合起来可能相互弥补，减少误判的可能性。其次，多个结局指标，更全面地评价了结局的情况，理论上有利于做出准确的临床决策。
总之，这个并联并联模型的模式是在传统的模式上更进一步，搭配web APP，将是更加接近临床实践的一种模式。
