机器学习可以从数据中建立模式，用于分类、估计或预测。进入临床试验后，问题不只是模型算得快不快，而是预测的是什么、会影响谁、证据是否足以支持这个用途。

预测个人结局、寻找可能的治疗反应差异，以及估计一项试验达到目标的可能性，是不同任务。算法输出不能单独证明治疗有效，也不能让研究团队省略可靠设计、参与者保护与适当审查。

1. 先把“预测结果”写成一个清楚问题

临床试验可能关心症状、功能、安全性或其他预先定义的结局。模型的输入、预测时点和随访范围都应说明。只说预测治疗成功，无法判断结果是否有意义，更无法比较两个系统。

问题可能的输出不能直接推出
个人未来会怎样某项结局的估计风险换一种治疗一定更好
谁可能有不同反应治疗效果差异的探索已经找到可靠用药规则
试验可能达到目标吗研究层面的预测产品必然获批或适合每个人

还要区分探索与正式验证。发现一个值得研究的模式，可以帮助提出下一项问题；它不等于已经回答了问题。模型名称越复杂，也不能改变这个证据边界。

先确定使用情境、对象和决策。没有这些信息，单独的准确率和人工智能标签都不足以评价价值。

2. 它可以辅助哪些环节，为什么不保证成功

在适当验证后，模型可能帮助整理复杂资料、识别需要进一步核查的模式，或支持研究规划。对招募、测量和分析的具体用途，需要分别评估，不能将一个环节表现较好推广为整个试验更可靠。

例如，研究者可能探索哪些已有特征与后续结局相关，再讨论能否改进下一项研究的设计。若只是挑选看起来容易成功的人，可能改变适用人群，使结果更难推广，而不是真正提高治疗效果。

安全监测中出现的提示，也需要合适人员核实与处理。没有警报不代表没有不良事件，有警报也不证明因果关系。模型可以辅助工作，但不能自动确保参与者安全。

模型开发、资料整理、质量检查与部署同样需要时间和资源。处理速度快，不代表总成本较低或能够更早得出可信结论；有时增加的是一个需要长期维护的新系统。

3. 数据质量：更多记录不能自动消除偏差

数据应与目标人群、测量方式及使用时点相符。不同中心使用的记录习惯、设备与随访流程可能不同。把它们合并之前，需要了解变量含义是否一致，而不是只把表格变成相同列名。

缺失数据也可能有原因：某些参与者更难完成随访，某些检查只对特定患者进行。简单填补之后，仍要考虑结果可能受到怎样影响，不能把没有记录当成没有症状。

参与不足的人群可能在模型中表现较差。总体指标看起来不错，也可能掩盖特定年龄、疾病程度或生活条件下的错误。应检查目标人群中的表现，并说明资料不足之处。

数据清理不是把不方便解释的个案删掉。需要保留处理依据和可追溯记录，知道哪些资料被使用、为什么排除、谁作了决定。质量来自整个过程，而不是最后一张漂亮图表。

4. 从开发到独立验证，防止模型提前看见答案

训练资料用于建立模型，验证资料用于选择和调整，最终测试应提供相对独立的检查。如果同一个人的多次记录被分到不同集合，或把结局发生后才知道的信息作为输入，结果可能显得过分理想。

这类数据泄漏不一定表现为明显错误代码，也可能来自时间顺序、中心信息或预处理。划分资料与计算规则需要提前考虑，而不能等模型得分很高之后才检查。

同一批数据反复调试后得到的最好结果，不能当作全新的验证。模型可能学到样本中的偶然特点。来自其他时间、中心或合适人群的评估，有助于了解是否能够推广，但也不能一次验证后永久放心。

对正式影响试验结论的用途，模型、资料处理和分析方式需要按相应研究与监管要求预先安排。运行中不断学习并不是天然优势，随意更新可能使不同参与者面对不同测量规则。

5. 看懂性能：不只问“准确率是多少”

评价指标应与用途相符。能区分较高与较低风险，不代表估计的概率本身准确。把一些人预测为高风险之后，还要了解实际风险是否接近，以及错误会带来什么后果。

若关注的事件较少发生，简单地多数时间预测不会发生，也可能得到表面很高的正确率。需要结合事件情况、漏报与误报理解，不能用一个总数字取代完整表现。

还应与适当的现有方法比较。若简单规则已经能够完成任务，复杂系统需要说明增加了什么价值，以及是否带来额外负担。不能因为使用神经网络，就预先认定优于传统统计模型。

解释变量重要性也需要谨慎。模型利用一个变量，并不证明它导致结局。某种解释图可以帮助理解系统行为，但不能自动证明公平、因果关系或临床合理性。

6. 预测关联与治疗因果问题不能混为一谈

一个人治疗后结局较好，可能与多种因素有关。模型预测他未来会好转，不等于证明某种治疗造成好转。治疗效果需要结合合适比较、研究设计与统计推断来理解。

探索亚组时尤其需要谨慎。数据中总能找到某些看起来反应不同的人群，反复寻找可能得到偶然结果。发现之后应清楚标明探索性质，并用合适设计进一步验证。

同样，估计一项试验成功的模型，可能学习过去项目、疾病领域或企业资源等特征。它的研究层面判断，不应被拿来向参与者保证本人获益，也不能替代对具体方案的评估。

“预测得准”与“治疗有效”是不同结论。涉及治疗选择、剂量或参与者安排时，更需要明确证据、责任与适用范围。

7. 监管与人工监督：按具体风险建立可信度

美国食品药品监督管理局与欧洲药品管理局二〇二六年提出的良好人工智能实践原则，强调人的需要、明确用途、跨专业参与、数据治理与整个生命周期的管理。它们不能被解释为所有模型已经获得认可。

美国二〇二五年相关指导草案提出按用途和风险评估可信度；草案不应被写成已实施的统一法律。欧洲相关反思文件也强调研究完整性与适用性。具体项目仍应核实当地要求并与相应机构沟通。

应明确谁查看输出、怎样处理不确定或异常、系统失效时采用什么安排，以及谁有权暂停使用。人工监督不只是最后签字，而是能够理解局限并采取实际行动。

部署后还需要关注人群、流程或设备变化。旧环境中可靠的模型，在新环境中可能不同。更新、监测与停用都需要记录，不宜把一次高分当作长期有效的证明。

8. 普通读者与研究团队都可以问的具体问题

读到一项预测成果时，可以用三列表格整理“已说明、仍不清楚、需要询问”。例如：输出用于什么决定？验证人群与我相关吗？失败会怎样？这只是信息整理材料，不是研究数据平台。

考虑参加试验的人，可以向研究团队询问数据怎样使用、模型是否影响安排，以及怎样取得容易理解的信息。不能仅凭“采用人工智能”决定参与，也不应因不懂算法就放弃提问。

疾病理解与交流的相关资源

以下课程涉及疾病与沟通，可帮助亲友形成问题清单；它们不是机器学习、临床试验设计或研究资格培训。

理解癌症与治疗中的亲友支持适用于相关疾病情境，个别治疗与研究问题应咨询负责团队。癌症与亲友支持课程插图，并非机器学习系统截图

理解阿尔茨海默病与日常支持关注生活中的理解与沟通，不提供试验结果预测。阿尔茨海默病日常支持课程插图，并非临床研究结果

可信的技术说明应允许读者看到不确定性。对用途、数据和验证说得清楚，比宣称复杂算法必然改变医学更有帮助。

机器学习与临床试验预测的常见问题

模型能直接证明新治疗有效吗？

不能。预测模式与治疗因果效果不同，仍需要适当研究设计、比较和分析。

数据越多，预测就一定更可靠吗？

不一定。质量、代表性、测量一致性与偏差都重要，更多重复或有偏记录不能自动解决问题。

为什么要用没参与开发的数据测试？

为了更可靠地检查是否能推广，并减少过拟合和泄漏带来的过分乐观结果，但仍需评估具体用途。

神经网络一定优于决策树或统计模型吗？

不能预先认定。应比较适合用途的表现、可维护性、风险与实际增益。

DYNSEO普通工具是临床试验预测平台吗？

本文没有作此声称。相关日常资源不能替代研究系统、专业分析、监管评估或参与者保护。

以清楚问题理解数字研究

查看相关疾病与支持资源，并把具体试验和算法问题交给负责研究的团队解释。

查看相关培训主题联系DYNSEO
机器学习临床试验独立验证数据质量预测与因果