ARTICLE · 995621

只有一张临床Excel,医学AI论文到底怎么做?从问题卡到独立验证的7步

发布时间：2026-09-15 20:48:26 最近访问：2026-09-15 20:48:25

上一篇讲医学与计算机可以做哪些方向，这一篇不再重复列方向，只拆最常见的一条：一张临床Excel如何经过问题定义、数据审计、方案冻结、无泄漏建模、内部评价、独立评价和证据链写作，形成可核验的医学AI研究。

很多临床老师手里都有一张Excel：一行一个患者，几十个检查指标，最后一列是结局。接下来最容易出现的操作，就是把表格交给算法，比较逻辑回归、随机森林、XGBoost和神经网络，挑一个AUC最高的模型，然后开始写论文。

但医学AI论文最难的地方，往往不在建模。预测时点错了、结局定义不清、同一患者进入训练集和测试集、结局发生后的指标被模型提前看见……这些问题一旦存在，模型分数越漂亮，结论反而越危险。

先把方向说清楚：医学×计算机不止一种文章

这个交叉领域可以做公共数据库复现与外部评价、临床风险预测、真实世界因果分析、医学影像与数字病理、临床文本和医疗大模型评测、连续生命体征与可穿戴设备、多组学、药物警戒，以及前瞻性人机协作研究。上一篇已经讲过这些方向，今天不再换一套分类重复介绍，而是深入最常见、也最容易被做错的一条：结构化临床数据风险预测。

今天只解决一个问题：手里只有一张临床Excel，怎样从0到1完成一项可核验的医学AI风险预测研究？

开始之前，先让Excel过五道资格门

五道门分别是：伦理与使用权限；患者ID和时间零点；可靠且统一的结局；足以支撑候选参数复杂度的样本与事件；以及真正独立的时间、医院或队列评价条件。缺一项，正确动作通常不是换算法，而是先补材料、缩小问题或改变研究类型。

第一步：先写临床问题卡，不要先打开建模软件

一个医学预测模型，必须先回答：服务哪类患者、谁使用、在什么时间点使用、输入哪些当时已经能够获得的信息、预测未来多长时间内的什么结局、结果会影响哪项临床决策，以及预测错误最主要的风险是什么。

把问题写成一句完整的话：对【目标患者】，在【预测时点】，利用【当时可获得的信息】，预测【明确时间窗】内的【结局】，用于支持【具体决策】。例如“预测术后并发症”仍然太宽，必须补齐时间零点、结局判定和使用场景。

边界：如果模型准备在入院时使用，就只能纳入入院时已经知道的信息。住院第三天、术后或治疗后才出现的指标，不能回头放进“入院预测模型”。

本步交付：临床问题卡、目标人群、时间零点、结局规则与时间窗、变量可获得性清单、误判风险说明。

第二步：给Excel做数据资格审计

先确认一行代表一个患者、一次住院还是一次检查；再检查患者ID、重复住院、变量采集时间、结局来源、缺失含义、异常值、事件与非事件数，以及伦理和数据使用权限。空白、零、未检查和未知不能混成同一种缺失。

最低审计清单：独立患者数｜事件数与非事件数｜候选预测参数数｜预测起点、观察窗与结局窗｜各变量缺失比例｜同一患者是否重复出现｜是否有独立时间段、医院或队列可测试。

AI可以辅助找重复、异常格式、变量类型和缺失分布；不能补造缺失数据、猜测患者结局、自动认定伦理合规，也不能把未经授权的患者表格上传第三方服务。

本步交付：数据字典、纳排流程草图、重复记录检查表、缺失与异常报告、变量时间关系表、事件可行性说明、伦理与权限记录。

第三步：冻结方案，再看模型结果

正式分析前，先固定纳入排除、时间零点、预测时间窗、结局、候选变量、缺失处理、数据划分、基线模型、候选模型、主指标、亚组和敏感性分析。否则研究者很容易看完结果后不断换人群、改结局、删变量和调阈值，只留下最好看的一组。

有多年数据时，优先考虑较早年份开发、后续年份时间外评价；有多家医院时，可以按医院进行独立评价。独立评价集一旦锁定，就不能再用于选变量、调参数或修改阈值。

随机拆分同一张Excel得到的测试集仍然属于内部测试，不能写成真正的外部验证。

本步交付：研究方案V1、统计分析计划、数据划分登记表、主要指标清单、参数调整规则、方案修订日志。

第四步：先做临床基线，再做机器学习

先建立一个可解释的基线，例如临床常用评分、少量公认变量的逻辑回归或当前诊疗规则，再评价机器学习是否真正增加价值。数据有限时，简约回归或惩罚回归往往比复杂神经网络更合适。

缺失值填补、标准化、特征筛选、降维、过采样和类别平衡，都必须只在训练流程内部学习，再把已学规则应用于评价数据。应保存数据版本、软件环境、随机种子、训练日志和可重复代码。

如果先对整张Excel做填补、筛选、标准化或SMOTE，再划分训练集和测试集，测试集信息已经泄漏进模型，结果会被高估。SMOTE也不能把不足的真实结局事件“变够”。

本步交付：预处理流程图、临床基线、候选模型与选择理由、可重复代码、软件环境与版本、随机种子、训练日志。

第五步：内部评价不能只看AUC

AUROC反映排序能力，却不能回答预测概率是否准确，也不能回答模型是否值得用于临床决策。完整评价通常还要考虑AUPRC、敏感度、特异度、预测值、校准曲线、校准截距与斜率、Brier评分、决策曲线、置信区间、关键亚组和错误病例。

内部评价可使用Bootstrap或完整嵌套的交叉验证；缺失处理、特征选择和参数优化也应位于重采样内部。阈值要结合具体临床代价，而不是反复寻找测试集上最好看的切点。

事件数、候选参数和预期模型性能共同决定开发样本需求，不能机械套用一个固定比例。事件不足时，应减少问题复杂度或改变研究目标，而不是同时比较几十种算法。

本步交付：内部评价总表、校准图、决策曲线、阈值与混淆矩阵、亚组表、错误病例清单、乐观偏倚校正结果。

第六步：独立评价时，必须把模型锁住

独立评价可以使用后续年份、另一医院、不同地区或设备，或另一个公开数据库。开始前必须锁定变量、预处理规则、模型参数和风险计算方式；评价数据只能测量表现，不能继续参与开发。

至少评价总体拟合、区分度、完整预测范围内的校准和临床效用，并检查关键亚组。若模型在新数据中整体高估或低估风险，可以再校准，但必须分别报告原模型和更新后模型。

没有独立数据，就应如实写成模型开发与内部评价研究，并把独立评价列为后续工作。AUC高、校准好也不等于模型已经能够进入临床实施。

本步交付：锁定模型说明、模型文件或公式、独立评价方案、原模型结果、必要时的再校准、漂移与亚组分析、适用范围说明。

第七步：把论文写成一条可审计证据链

论文要让读者追溯：临床问题从哪里来，患者怎样进入队列，变量何时采集，缺失如何处理，模型怎样训练，评价数据是否独立，以及每条结论对应哪项结果。TRIPOD+AI可用于核对报告完整性，PROBAST+AI可帮助审视参与者与数据源、预测变量、结局和分析中的偏倚风险与适用性。

最终研究包不只是一篇正文，还应包括纳排流程图、数据字典、分析方案及修订记录、代码与环境、模型完整计算方式、内部和独立评价、校准与决策曲线、亚组与错误分析、伦理和AI使用说明，以及未解决风险清单。

完成内部评价，只能说模型在当前数据中得到开发和内部评价；完成时间外或院外评价，才能进一步讨论可迁移性；只有进入真实流程并开展前瞻性研究，才可能评价医生决策、工作流或患者结局是否改善。

本步交付：论文初稿、TRIPOD+AI核对表、图表—正文一致性检查、模型说明卡、主张—结果对应表、伦理与AI使用披露、未解决问题清单。

最容易让研究失效的7个问题

看完结果后才定义研究问题；同一患者进入训练和测试；模型使用预测时点之后的信息；事件有限却比较大量变量和算法；划分数据前完成预处理；只报告最高AUC；把随机切分的内部测试写成外部验证。

AI能帮什么，不能替代什么

AI可以帮助生成代码框架、检查数据管道、整理变量字典和运行日志、复现图表、核对正文与表格、提示报告遗漏；但不能编造样本量、结局、显著性、外部验证或临床效果，不能替代临床专家、统计人员、伦理审查和真实独立评价承担责任。

科研+AI老李判断一项医学AI研究是否值得继续，不先看用了什么热门算法，而先看七个交付物是否完整：问题卡、数据审计、冻结方案、可重复管道、内部评价、独立评价和证据链研究包。

这七步真正走完，得到的不只是一个模型分数，而是一项能够被核验、复现并继续验证的研究。它不能保证发表或录用，但可以减少方向错误、数据泄漏和结论越界。

需要《临床Excel到医学AI论文7步流程表》，+xuezhuren0106回复“流程表”。

来源与使用边界

以下文件不能替代正确研究设计、统计论证、伦理审批和监管判断。

TRIPOD协作组：TRIPOD+AI Statement
预测模型开发、外部评价和模型更新的透明报告｜https://www.tripod-statement.org/scope/

PROBAST+AI工作组：PROBAST+AI
从参与者与数据源、预测变量、结局和分析评价质量、偏倚风险与适用性｜https://www.bmj.com/content/388/bmj-2024-082505

Riley等：预测模型开发样本量方法
样本需求取决于事件比例、候选参数和预期模型性能，不能机械套固定事件数比例｜https://www.bmj.com/content/368/bmj.m441

Riley、Collins等：临床预测模型外部验证
独立数据上的总体拟合、校准、区分度和临床效用评价｜https://www.bmj.com/content/384/bmj-2023-074820