是时候让临床预测模型进入临床实践了
临床预测模型发展已经有一段时间，现在感觉是时候让临床预测模型进入临床实践了。
从技术方面考虑，临床预测模型进入临床实践需要的技术都已经具备，从模型开发、验证、阈值确定、部署和临床效应评价的关键环节，都已经有所考量。详细考察每一个步骤，发现我们已经能够构建出一个让临床预测模型进入临床实践的路径：
1. 构建预测模型并评价:
使用大规模的临床数据，构建模型时需注意选择合适的模型类型、特征工程和训练方法，并使用合适的指标进行评价。并使用多种模型进行比较，或者将模型进行聚合，从中选择表现最优的模型。
模型的评价标准有两方面：区分度和校准度。现在的技术已经能让预测模型同时拥有良好区分度和校准度，这样的模型为什么不能进行临床实践呢？
预测模型的预测结果有两种，一种是直接预测类别，使用的0.5或者最佳约登指数的阈值，是固定的；另一种是使用预测概率，这种情况下的决策阈值是通过DCA分析根据临床实际来确定的，通常不是固定的，与临床实践相关，更加能够适应临床上的复杂情况。所以建议使用第二种。
2. 构思临床措施或建议:
预测模型需要对医生的决策或者患者的预后产生影响，这种影响是通过得出预测结果之后紧跟着的临床措施或建议所取得的， 所以有必要为预测模型匹配相应的临床措施或者建议，这中措施和建议需要具有明确的临床意义和可操作性，还需考虑目标患者人群的实际情况和接受度，也可与临床专家进行充分讨论，完善临床措施或建议。
这一步需要在构建预测模型的时候就考虑清楚，这些临床措施和建议还是后续DCA分析确定决策阈值的参考。
3. 使用 DCA 曲线分析确定判断决策阈值:
DCA 曲线分析可以直观地展示不同决策阈值下模型的收益和风险，可以给出一个决策阈值的范围，再结合患者或医生对于后续临床措施的接受程度，确定具体的模型决策阈值，然后就可以使用预测模型进行预测。
使用以上流程确定的决策阈值是个体化的，考虑到模型的效能，也考虑到临床因素，是目前确定决策阈值最佳的方法，促进了预测模型应用到临床实践。
4. 制作 web APP 并部署到临床:
web APP 轻量，构建简便，应易于使用，界面友好，并能满足临床工作流程的需求，在进行充分的测试，确保 web APP 的稳定性和可靠性的情况下，有足够的能力服务于临床实践，是部署预测模型的最佳选择。
5. 搜集本地数据进行外部验证:
如果模型训练的数据和本地的数据不同，在使用模型之前就一定要搜集足够的本地数据，验证本地数据在预测模型上的表现，不要上来就进行个案的预测。这也是我们提倡在web APP中集成外部验证模块的原因，一旦数据中有新的元素加入，就要进行外部验证确定模型是适合新的数据的。
6. 设计临床试验考察模型的临床影响
对临床没有影响的预测模型是没有必要进入临床的，而模型的临床影响是靠后续的临床措施和建议产生的。我们需要设计临床试验来验证模型的临床有效性和获益，可以通过观察性研究或随机对照研究来实现，前者更适合开始阶段的观察，需制定严谨的试验方案，并获得相关伦理审批。可以把预测模型看作是一个医疗器械，一旦确定了模型是能够产生临床影响的，预测模型就可以进入临床实践。
到这里我们提供了足够的证据，表明临床预测模型是可以进入临床的。
7. 整合进临床流程:
将预测模型整合进现有临床流程可以提高其可行性和实用性，对临床医护人员进行培训，使其熟悉模型的使用方法，建立有效的监测和评估机制，持续跟踪模型的应用效果。
最后
除了以上的技术考量之外，要想预测模型能有进一步的发展，就需要预测模型先落地临床实践，在实践的过程中发现问题，解决问题；另外，临床上也需要预测模型性，现在的预测模型的效能在某些领域是由于现有的临床量表的，能够取得更好的临床效果，且临床医生的工作日益繁重，需要更多的工具来辅助诊疗环节。
