随着数据量的几何级数增长，近5年，以数据为导向的预测和因果推断在学术界有着巨大的进展。本书将着重讨论这两方面的进展，以及如何应用这些成果进行医学科学研究。本书前半部分以重症监护治疗室患者的数据为例介绍如何进行医学数据的预处理，如何使用机器学习模型预测患者的死亡率。本书前半部分的重点在于深度学习，内容包括神经网络的基础知识、利用卷积神经网络分类诱发电位图像、利用递归神经网络预测疾病的复发以及利用自编码算法去除图像噪音以生**的模拟图像。本书还涉及基础医学中深度学习的应用以及如何解释机器学习模型。然而，医学实践中往往不只需要预测某个患者的某项结局，更需要知道哪些治疗能够改善结局。本书在神经网络模型之后将以脓毒症患者的治疗为例介绍强化学习的概念，从而为进入因果推断搭建桥梁。本书最后2个专题着重讨论如何通过因果关系图直观地判断因果关系中的混杂因素、如何使用回归控制混杂因素、如何利用倾向得分控制混杂因素以及如何利用逆概率加权控制混杂因素。结合强化学习的概念，最后将讨论如何评估随时间变化的治疗，以及如何建立治疗策略。本书可作为各级医学研究者、医学院学生和教师的参考用书。
鄂公网安备 42010302001612号 