Day 14: 医疗数据分析实战

学习目标

完成今天的学习后，你将能够：

理解医疗数据特点
分析患者数据
进行疾病预测
分析治疗效果

技术原理

医疗数据特点

数据类型

结构化数据：检验结果、生命体征
非结构化数据：病历、影像
时间序列数据：连续监测数据
基因组数据：基因表达、突变

数据挑战

隐私保护：患者隐私
数据质量：缺失值、异常值
数据不平衡：疾病样本少
多模态数据：不同类型数据融合

患者数据分析

分析维度

人口统计：年龄、性别、地域
疾病特征：诊断、症状、病程
治疗方案：药物、手术、康复
预后评估：恢复情况、复发风险

疾病预测

预测方法

统计模型：逻辑回归、生存分析
机器学习：随机森林、XGBoost
深度学习：神经网络、LSTM
集成方法：模型融合

治疗效果分析

分析方法

随机对照试验：RCT
观察性研究：队列研究、病例对照
生存分析：Kaplan-Meier、Cox回归
成本效益分析：经济学评价

案例：糖尿病数据分析

假设我们有一个糖尿病数据集，需要：

分析患者特征
预测糖尿病风险
分析治疗效果
识别关键风险因素

应用场景

疾病预测：早期筛查、风险评估
精准医疗：个性化治疗方案
药物研发：临床试验、药效评估
医疗管理：资源配置、质量控制

代码案例

患者数据分析

python

# 患者数据分析示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_diabetes

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 加载糖尿病数据集
diabetes = load_diabetes()
X = pd.DataFrame(diabetes.data, columns=diabetes.feature_names)
y = pd.Series(diabetes.target, name='目标值')

# 合并数据
df = pd.concat([X, y], axis=1)

print("糖尿病数据集:")
print(df.head())
print(f"\n数据形状: {df.shape}")
print(f"\n特征名称: {list(diabetes.feature_names)}")

# 2. 基本统计分析
print("\n基本统计分析:")
print("=" * 50)

print("\n描述性统计:")
print(df.describe())

# 3. 特征分布分析
fig, axes = plt.subplots(3, 4, figsize=(16, 12))
axes = axes.flatten()

for i, col in enumerate(diabetes.feature_names):
    axes[i].hist(df[col], bins=30, color='skyblue', edgecolor='black', alpha=0.7)
    axes[i].set_title(f'{col}分布', fontsize=12, fontweight='bold')
    axes[i].set_xlabel(col)
    axes[i].set_ylabel('频数')

# 隐藏多余的子图
for j in range(len(diabetes.feature_names), len(axes)):
    axes[j].set_visible(False)

plt.suptitle('特征分布', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 4. 相关性分析
print("\n相关性分析:")
print("=" * 50)

correlation_matrix = df.corr()
print("\n相关性矩阵:")
print(correlation_matrix)

# 可视化相关性矩阵
plt.figure(figsize=(12, 10))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', center=0, fmt='.2f')
plt.title('特征相关性热力图', fontsize=16, fontweight='bold')
plt.show()

# 5. 目标值分析
print("\n目标值分析:")
print("=" * 50)

print(f"\n目标值统计:")
print(f"均值: {df['目标值'].mean():.2f}")
print(f"中位数: {df['目标值'].median():.2f}")
print(f"标准差: {df['目标值'].std():.2f}")
print(f"最小值: {df['目标值'].min():.2f}")
print(f"最大值: {df['目标值'].max():.2f}")

# 目标值分布
plt.figure(figsize=(10, 6))
plt.hist(df['目标值'], bins=30, color='skyblue', edgecolor='black', alpha=0.7)
plt.axvline(df['目标值'].mean(), color='red', linestyle='--', linewidth=2, label=f'均值: {df["目标值"].mean():.2f}')
plt.axvline(df['目标值'].median(), color='green', linestyle='--', linewidth=2, label=f'中位数: {df["目标值"].median():.2f}')
plt.title('目标值分布', fontsize=16, fontweight='bold')
plt.xlabel('目标值')
plt.ylabel('频数')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 6. 特征与目标值关系
fig, axes = plt.subplots(2, 5, figsize=(20, 8))
axes = axes.flatten()

for i, col in enumerate(diabetes.feature_names):
    axes[i].scatter(df[col], df['目标值'], alpha=0.5, color='skyblue', edgecolors='black')
    axes[i].set_title(f'{col} vs 目标值', fontsize=12, fontweight='bold')
    axes[i].set_xlabel(col)
    axes[i].set_ylabel('目标值')
    
    # 添加趋势线
    z = np.polyfit(df[col], df['目标值'], 1)
    p = np.poly1d(z)
    axes[i].plot(df[col], p(df[col]), "r--", linewidth=2)

plt.suptitle('特征与目标值关系', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

疾病预测

python

# 疾病预测示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression, Ridge, Lasso
from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 加载数据
diabetes = load_diabetes()
X = pd.DataFrame(diabetes.data, columns=diabetes.feature_names)
y = pd.Series(diabetes.target, name='目标值')

# 2. 数据预处理
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 标准化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

print(f"训练集大小: {X_train.shape[0]}")
print(f"测试集大小: {X_test.shape[0]}")

# 3. 训练多个模型
print("\n模型训练:")
print("=" * 50)

models = {
    '线性回归': LinearRegression(),
    '岭回归': Ridge(alpha=1.0),
    'Lasso回归': Lasso(alpha=1.0),
    '随机森林': RandomForestRegressor(n_estimators=100, random_state=42),
    '梯度提升': GradientBoostingRegressor(n_estimators=100, random_state=42)
}

results = {}

for name, model in models.items():
    # 训练模型
    model.fit(X_train_scaled, y_train)
    
    # 预测
    y_pred = model.predict(X_test_scaled)
    
    # 计算指标
    mse = mean_squared_error(y_test, y_pred)
    rmse = np.sqrt(mse)
    mae = mean_absolute_error(y_test, y_pred)
    r2 = r2_score(y_test, y_pred)
    
    results[name] = {
        'MSE': mse,
        'RMSE': rmse,
        'MAE': mae,
        'R²': r2
    }
    
    print(f"\n{name}:")
    print(f"  MSE: {mse:.4f}")
    print(f"  RMSE: {rmse:.4f}")
    print(f"  MAE: {mae:.4f}")
    print(f"  R²: {r2:.4f}")

# 4. 模型比较
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

metrics = ['MSE', 'RMSE', 'MAE', 'R²']
for i, metric in enumerate(metrics):
    row = i // 2
    col = i % 2
    
    values = [results[name][metric] for name in results.keys()]
    bars = axes[row, col].bar(results.keys(), values, color='skyblue', edgecolor='black')
    axes[row, col].set_title(f'{metric}比较', fontsize=14, fontweight='bold')
    axes[row, col].set_ylabel(metric)
    axes[row, col].tick_params(axis='x', rotation=45)
    
    # 添加数值标签
    for bar in bars:
        height = bar.get_height()
        axes[row, col].text(bar.get_x() + bar.get_width()/2., height,
                           f'{height:.4f}',
                           ha='center', va='bottom', fontsize=9)

plt.suptitle('模型性能比较', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 5. 最佳模型分析
best_model_name = max(results.keys(), key=lambda x: results[x]['R²'])
best_model = models[best_model_name]

print(f"\n最佳模型: {best_model_name}")
print("=" * 50)

y_pred = best_model.predict(X_test_scaled)

# 预测值vs实际值
plt.figure(figsize=(10, 8))
plt.scatter(y_test, y_pred, alpha=0.6, color='skyblue', edgecolors='black')
plt.plot([y_test.min(), y_test.max()], [y_test.min(), y_test.max()], 'r--', linewidth=2)
plt.title('预测值 vs 实际值', fontsize=16, fontweight='bold')
plt.xlabel('实际值')
plt.ylabel('预测值')
plt.grid(True, alpha=0.3)
plt.show()

# 残差分析
residuals = y_test - y_pred

fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 残差分布
axes[0].hist(residuals, bins=30, color='skyblue', edgecolor='black', alpha=0.7)
axes[0].axvline(x=0, color='red', linestyle='--', linewidth=2)
axes[0].set_title('残差分布', fontsize=14, fontweight='bold')
axes[0].set_xlabel('残差')
axes[0].set_ylabel('频数')
axes[0].grid(True, alpha=0.3)

# 残差vs预测值
axes[1].scatter(y_pred, residuals, alpha=0.6, color='skyblue', edgecolors='black')
axes[1].axhline(y=0, color='red', linestyle='--', linewidth=2)
axes[1].set_title('残差 vs 预测值', fontsize=14, fontweight='bold')
axes[1].set_xlabel('预测值')
axes[1].set_ylabel('残差')
axes[1].grid(True, alpha=0.3)

plt.suptitle('残差分析', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 6. 特征重要性
if hasattr(best_model, 'feature_importances_'):
    feature_importance = best_model.feature_importances_
    
    # 创建特征重要性DataFrame
    importance_df = pd.DataFrame({
        '特征': diabetes.feature_names,
        '重要性': feature_importance
    }).sort_values('重要性', ascending=False)
    
    print("\n特征重要性:")
    print(importance_df)
    
    # 可视化特征重要性
    plt.figure(figsize=(10, 6))
    plt.barh(importance_df['特征'], importance_df['重要性'], color='skyblue', edgecolor='black')
    plt.title('特征重要性', fontsize=16, fontweight='bold')
    plt.xlabel('重要性')
    plt.ylabel('特征')
    plt.grid(True, alpha=0.3, axis='x')
    plt.tight_layout()
    plt.show()

治疗效果分析

python

# 治疗效果分析示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建模拟临床试验数据
np.random.seed(42)
n_patients = 200

# 生成患者数据
patient_data = {
    '患者ID': range(1, n_patients + 1),
    '年龄': np.random.randint(30, 80, n_patients),
    '性别': np.random.choice(['男', '女'], n_patients),
    '治疗组': np.random.choice(['实验组', '对照组'], n_patients),
    '基线指标': np.random.normal(100, 15, n_patients),
}

df = pd.DataFrame(patient_data)

# 模拟治疗效果
# 实验组效果更好
df['治疗后指标'] = df.apply(lambda row: 
    row['基线指标'] - np.random.normal(20, 5) if row['治疗组'] == '实验组' 
    else row['基线指标'] - np.random.normal(10, 5), axis=1)

df['改善程度'] = df['基线指标'] - df['治疗后指标']
df['改善率'] = (df['改善程度'] / df['基线指标']) * 100

print("临床试验数据:")
print(df.head())
print(f"\n数据形状: {df.shape}")

# 2. 治疗组对比分析
print("\n治疗组对比分析:")
print("=" * 50)

# 按治疗组统计
treatment_stats = df.groupby('治疗组').agg({
    '患者ID': 'count',
    '年龄': 'mean',
    '基线指标': 'mean',
    '治疗后指标': 'mean',
    '改善程度': 'mean',
    '改善率': 'mean'
}).rename(columns={'患者ID': '患者数'})

print("\n治疗组统计:")
print(treatment_stats)

# 3. 统计检验
print("\n统计检验:")
print("=" * 50)

# 分离两组数据
experiment_group = df[df['治疗组'] == '实验组']
control_group = df[df['治疗组'] == '对照组']

# t检验：改善程度
t_stat, p_value = stats.ttest_ind(experiment_group['改善程度'], control_group['改善程度'])
print(f"\n改善程度t检验:")
print(f"  t统计量: {t_stat:.4f}")
print(f"  p值: {p_value:.4f}")
if p_value < 0.05:
    print("  结论: 两组改善程度有显著差异")
else:
    print("  结论: 两组改善程度无显著差异")

# 效应大小（Cohen's d）
def cohens_d(group1, group2):
    """计算Cohen's d"""
    n1, n2 = len(group1), len(group2)
    var1, var2 = group1.var(), group2.var()
    pooled_std = np.sqrt(((n1 - 1) * var1 + (n2 - 1) * var2) / (n1 + n2 - 2))
    return (group1.mean() - group2.mean()) / pooled_std

effect_size = cohens_d(experiment_group['改善程度'], control_group['改善程度'])
print(f"\n效应大小(Cohen's d): {effect_size:.4f}")
if abs(effect_size) < 0.2:
    print("  效应大小: 小")
elif abs(effect_size) < 0.5:
    print("  效应大小: 中")
else:
    print("  效应大小: 大")

# 4. 可视化治疗效果
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 基线指标比较
axes[0, 0].boxplot([experiment_group['基线指标'], control_group['基线指标']], 
                   labels=['实验组', '对照组'])
axes[0, 0].set_title('基线指标比较', fontsize=14, fontweight='bold')
axes[0, 0].set_ylabel('基线指标')
axes[0, 0].grid(True, alpha=0.3)

# 治疗后指标比较
axes[0, 1].boxplot([experiment_group['治疗后指标'], control_group['治疗后指标']], 
                   labels=['实验组', '对照组'])
axes[0, 1].set_title('治疗后指标比较', fontsize=14, fontweight='bold')
axes[0, 1].set_ylabel('治疗后指标')
axes[0, 1].grid(True, alpha=0.3)

# 改善程度比较
axes[1, 0].boxplot([experiment_group['改善程度'], control_group['改善程度']], 
                   labels=['实验组', '对照组'])
axes[1, 0].set_title('改善程度比较', fontsize=14, fontweight='bold')
axes[1, 0].set_ylabel('改善程度')
axes[1, 0].grid(True, alpha=0.3)

# 改善率比较
axes[1, 1].boxplot([experiment_group['改善率'], control_group['改善率']], 
                   labels=['实验组', '对照组'])
axes[1, 1].set_title('改善率比较', fontsize=14, fontweight='bold')
axes[1, 1].set_ylabel('改善率 (%)')
axes[1, 1].grid(True, alpha=0.3)

plt.suptitle('治疗效果比较', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 5. 亚组分析
print("\n亚组分析:")
print("=" * 50)

# 按性别分析
gender_analysis = df.groupby(['治疗组', '性别']).agg({
    '改善程度': ['mean', 'std', 'count']
}).round(2)

print("\n按性别分析:")
print(gender_analysis)

# 按年龄分组分析
df['年龄组'] = pd.cut(df['年龄'], bins=[0, 50, 65, 100], labels=['<50', '50-65', '>65'])
age_analysis = df.groupby(['治疗组', '年龄组']).agg({
    '改善程度': ['mean', 'std', 'count']
}).round(2)

print("\n按年龄组分析:")
print(age_analysis)

# 6. 生存分析（简化版）
print("\n生存分析:")
print("=" * 50)

# 模拟生存时间
df['生存时间'] = np.random.exponential(365, n_patients)  # 天
df['事件发生'] = np.random.choice([0, 1], n_patients, p=[0.3, 0.7])  # 1表示事件发生

# 计算中位生存时间
from lifelines import KaplanMeierFitter

# 注意：需要安装lifelines库: pip install lifelines
try:
    kmf = KaplanMeierFitter()
    
    # 实验组
    kmf.fit(experiment_group['生存时间'], event_observed=experiment_group['事件发生'], label='实验组')
    experiment_median = kmf.median_survival_time_
    
    # 对照组
    kmf.fit(control_group['生存时间'], event_observed=control_group['事件发生'], label='对照组')
    control_median = kmf.median_survival_time_
    
    print(f"实验组中位生存时间: {experiment_median:.2f} 天")
    print(f"对照组中位生存时间: {control_median:.2f} 天")
    
    # 绘制生存曲线
    plt.figure(figsize=(10, 6))
    
    kmf.fit(experiment_group['生存时间'], event_observed=experiment_group['事件发生'], label='实验组')
    kmf.plot_survival_function()
    
    kmf.fit(control_group['生存时间'], event_observed=control_group['事件发生'], label='对照组')
    kmf.plot_survival_function()
    
    plt.title('生存曲线', fontsize=16, fontweight='bold')
    plt.xlabel('时间 (天)')
    plt.ylabel('生存概率')
    plt.legend()
    plt.grid(True, alpha=0.3)
    plt.show()
    
except ImportError:
    print("需要安装lifelines库: pip install lifelines")

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191

风险因素分析

python

# 风险因素分析示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_diabetes
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report, confusion_matrix
import seaborn as sns

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 加载数据并创建分类目标
diabetes = load_diabetes()
X = pd.DataFrame(diabetes.data, columns=diabetes.feature_names)
y_continuous = pd.Series(diabetes.target, name='目标值')

# 创建分类目标（高风险/低风险）
threshold = y_continuous.median()
y = (y_continuous > threshold).astype(int)
y.name = '风险类别'

print(f"风险类别分布:")
print(y.value_counts())
print(f"\n高风险比例: {y.mean():.2%}")

# 2. 数据预处理
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, stratify=y)

# 标准化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 3. 训练随机森林模型
print("\n随机森林模型训练:")
print("=" * 50)

rf_model = RandomForestClassifier(n_estimators=100, random_state=42)
rf_model.fit(X_train_scaled, y_train)

# 预测
y_pred = rf_model.predict(X_test_scaled)

# 评估
print("\n分类报告:")
print(classification_report(y_test, y_pred, target_names=['低风险', '高风险']))

# 混淆矩阵
cm = confusion_matrix(y_test, y_pred)
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', 
            xticklabels=['低风险', '高风险'], yticklabels=['低风险', '高风险'])
plt.title('混淆矩阵', fontsize=16, fontweight='bold')
plt.xlabel('预测标签')
plt.ylabel('真实标签')
plt.show()

# 4. 特征重要性分析
print("\n特征重要性分析:")
print("=" * 50)

feature_importance = rf_model.feature_importances_
importance_df = pd.DataFrame({
    '特征': diabetes.feature_names,
    '重要性': feature_importance
}).sort_values('重要性', ascending=False)

print("\n特征重要性排名:")
print(importance_df)

# 可视化特征重要性
plt.figure(figsize=(10, 6))
plt.barh(importance_df['特征'], importance_df['重要性'], color='skyblue', edgecolor='black')
plt.title('特征重要性', fontsize=16, fontweight='bold')
plt.xlabel('重要性')
plt.ylabel('特征')
plt.gca().invert_yaxis()
plt.grid(True, alpha=0.3, axis='x')
plt.tight_layout()
plt.show()

# 5. 风险因素分析
print("\n风险因素分析:")
print("=" * 50)

# 分析高风险和低风险患者的特征差异
high_risk = X[y == 1]
low_risk = X[y == 0]

# 计算各特征的差异
risk_comparison = pd.DataFrame({
    '特征': diabetes.feature_names,
    '低风险均值': low_risk.mean().values,
    '高风险均值': high_risk.mean().values,
    '差异': (high_risk.mean() - low_risk.mean()).values,
    '差异百分比': ((high_risk.mean() - low_risk.mean()) / low_risk.mean() * 100).values
})

print("\n风险因素比较:")
print(risk_comparison.sort_values('差异百分比', ascending=False))

# 可视化风险因素比较
fig, axes = plt.subplots(2, 5, figsize=(20, 8))
axes = axes.flatten()

for i, feature in enumerate(diabetes.feature_names):
    axes[i].boxplot([low_risk[feature], high_risk[feature]], labels=['低风险', '高风险'])
    axes[i].set_title(f'{feature}', fontsize=12, fontweight='bold')
    axes[i].grid(True, alpha=0.3)

plt.suptitle('高风险vs低风险患者特征比较', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 6. 风险评分模型
print("\n风险评分模型:")
print("=" * 50)

# 使用特征重要性作为权重
def calculate_risk_score(patient_data, feature_importance):
    """计算风险评分"""
    # 标准化
    patient_scaled = scaler.transform(patient_data.reshape(1, -1))
    
    # 计算加权得分
    risk_score = np.sum(patient_scaled * feature_importance)
    
    return risk_score

# 计算所有患者的风险评分
X_scaled = scaler.transform(X)
risk_scores = np.sum(X_scaled * feature_importance, axis=1)

# 可视化风险评分分布
plt.figure(figsize=(10, 6))
plt.hist(risk_scores[y == 0], bins=30, alpha=0.5, label='低风险', color='green')
plt.hist(risk_scores[y == 1], bins=30, alpha=0.5, label='高风险', color='red')
plt.title('风险评分分布', fontsize=16, fontweight='bold')
plt.xlabel('风险评分')
plt.ylabel('频数')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 风险分层
risk_threshold = np.percentile(risk_scores, 75)
high_risk_predicted = risk_scores > risk_threshold

print(f"\n风险阈值: {risk_threshold:.4f}")
print(f"预测高风险比例: {high_risk_predicted.mean():.2%}")
print(f"实际高风险比例: {y.mean():.2%}")

课后练习

练习1：患者数据分析

分析患者特征分布
进行相关性分析
识别关键特征
可视化分析结果

练习2：疾病预测

训练预测模型
评估模型性能
分析特征重要性
优化模型参数

练习3：治疗效果分析

进行组间比较
进行统计检验
计算效应大小
进行亚组分析

练习4：风险因素分析

识别风险因素
构建风险评分
进行风险分层
验证风险模型

常见问题

Q1: 如何处理医疗数据中的缺失值？

A: 可以尝试：

删除缺失值
均值/中位数填充
多重插补
使用能处理缺失值的模型

Q2: 如何保护患者隐私？

A: 可以尝试：

数据脱敏
匿名化处理
差分隐私
联邦学习

Q3: 如何处理数据不平衡？

A: 可以尝试：

过采样（SMOTE）
欠采样
调整类别权重
使用集成方法

Q4: 如何验证模型的临床意义？

A: 需要考虑：

统计显著性
临床意义
外部验证
专家评审

Q5: 医疗数据分析需要什么技能？

A: 需要掌握：

医学知识
统计分析
机器学习
数据可视化

下一步学习

完成今天的学习后，建议你：

练习处理真实的医疗数据
掌握疾病预测方法
学习治疗效果分析
准备进入Day 15的学习：完整项目实战与部署

明天我们将学习完整的项目实战和部署，这是数据分析的最终目标。

Day 14: 医疗数据分析实战 ​

学习目标 ​

技术原理 ​

医疗数据特点 ​

数据类型 ​

数据挑战 ​

患者数据分析 ​

分析维度 ​

疾病预测 ​

预测方法 ​

治疗效果分析 ​

分析方法 ​

案例：糖尿病数据分析 ​

应用场景 ​

代码案例 ​

患者数据分析 ​

疾病预测 ​

治疗效果分析 ​

风险因素分析 ​

课后练习 ​

练习1：患者数据分析 ​

练习2：疾病预测 ​

练习3：治疗效果分析 ​

练习4：风险因素分析 ​

常见问题 ​

Q1: 如何处理医疗数据中的缺失值？ ​

Q2: 如何保护患者隐私？ ​

Q3: 如何处理数据不平衡？ ​

Q4: 如何验证模型的临床意义？ ​

Q5: 医疗数据分析需要什么技能？ ​

下一步学习 ​

Day 14: 医疗数据分析实战

学习目标

技术原理

医疗数据特点

数据类型

数据挑战

患者数据分析

分析维度

疾病预测

预测方法

治疗效果分析

分析方法

案例：糖尿病数据分析

应用场景

代码案例

患者数据分析

疾病预测

治疗效果分析

风险因素分析

课后练习

练习1：患者数据分析

练习2：疾病预测

练习3：治疗效果分析

练习4：风险因素分析

常见问题

Q1: 如何处理医疗数据中的缺失值？

Q2: 如何保护患者隐私？

Q3: 如何处理数据不平衡？

Q4: 如何验证模型的临床意义？

Q5: 医疗数据分析需要什么技能？

下一步学习