隨着醫院數據量的增加以及機器學習等算法的興起。目前有很多基於患者數據來進行模型預測的研究。例如我們之前介紹過的： 這個文章
PS： 除了這些利用臨牀數據來構建模型的文章，當然還有一些比如利用高通量測序的數據(例如TCGA數據庫)來進行基因相關的模型預測也屬於這類的研究。
對於這類的文章，給人的感覺就是。啊。。這個東西好有用呀。這模型要是用於臨牀預測了，那豈不是不用抽點兒血進行一下相關的檢測就能知道這個患者的風險了。
但是後來會一想，文章說了這個模型很有用，但是我要怎麼用呢？裏面也沒有提供各個指標的權重公式，那我就算知道這幾個指標了。也沒辦法進行預測的。好一些的可能會要一些nomogram的圖。但是我總不能檢測完幾個指標之後，用尺子比着文獻來計算這個人的風險指數吧。
那麼，對於這類的研究要如何才能提高臨牀的實用性呢？這個問題，最近在JCO上發表的這個文章倒是提供了一個方法。那就是基於預測的模型算法來建立一個網頁版的在線計算器
在這個文章當中，作者使用轉移性生殖細胞腫瘤的臨牀數據的臨牀指標來構建了一個預測患者的3年生存期的模型。同時基於這個模型開發了一個網站計算器，這樣輸入相關指標的指數就可以得到這個患者的三年生存期預測結果了。
以上就是對這個文章的構建的計算器的簡單說明，當然這樣構建網頁計算器的做法也不是這個文獻首創的。對於很多文章都這樣的。其中基於TCGA數據分析的文章也有構件這樣網頁端的計算器的。但是，對於基於全基因組測序數據的模型研究吧，畢竟不能讓每個患者做完全基因組檢測之後才進行預測的，所以從模型到應用中間還是差了很多轉化的過程。
有興趣的，倒是可以看一下這個文章。作者在基因全基因組的甲基化檢測篩選出標誌物之後。之後在這個文章裏面通過全實驗室(qMSP)可行的方法來評估這些指標的實用性。進一步來評估這些指標的好壞。
