近年来，人工智能技术已逐渐深入到临床医学领域的各个环节,如医学影像、药物挖掘、精神疾病、可穿戴设备、风险管理、病理学和临床诊疗等活动。未来人工智能在医学领域上的应用前景将出现无限的可能性。基于python和机器学习的临床数据分析与挖掘旨在通过机器学习构建临床预测模型，通过人工智能技术实现临床的智能诊断、分析，为临床科研提供创新方法。
本次培训通过临床科研思路设计、人工智能算法和机器学习在医学领域的应用培训，从实际工作中疑难问题出发，帮助临床工作者如何利用机器学习工具解决临床实际问题。
01-培训目标
1、结合医学临床数据系统的介绍如何用python进行数据分析，以帮助临床工作者解决数据分析中的实际问题；
2.以临床实际案例驱动方式，通过机器学习的临床预测模型构建教学，帮助学员掌握临床数据挖掘与决策的有利工具。
02-主讲专家
来自清华大学、上海交通大学、中国科学院等高校医学专业带头人、擅长各类型医学数据统计分析、人工智能算法、机器学习等生物医学大数据挖掘。
发表数十篇专业领域内学术论文及SCI论文，主编或参与编写多部著作。参与多家三甲医院临床科研项目的研究合作，科研及授课经验很丰富。
03-培训时间
2026年03月27日— 2026年03月30日 远程在线培训
（第一天数据及操作软件调试，共授课三天）
04-参加对象
各省市、自治区从事临床医学、基础医学、生物医学工程等科室主任医师、副主任医师、住院医师等临床科研工作者相关人员；
国内各重点大学、科研院所相关研究领域的博士、硕士相关研究生和学者等。
05-课程大纲
一、医学临床预测模型构建理论
1.背景知识
2.基于机器学习临床预测模型基本概念
3.基于临床预测模型的应用场景
4.传统临床预测模型与基于机器学习临床预测模型的流程对比介绍
5.基于机器学习临床预测模型的现状与发展趋势
二、Python语言基础（上机操作）
本部分主要带领学员安装和熟悉软件环境及运行模式，围绕真实临床案例进行实际操作，通过案例式教学让学员掌握python语言的基本操作
1.python编程环境安装与配置
2.python基本数据结构
3.python的编程
3.1 控制流、函数与文件操作
3.2 Numpy基础
4 数据分析工具pandas与批量处理Excel的xlwings模块。
4.1 使用python 批量进行数据分析：批量排序、筛选、分类汇总、求和、最大最小值；
4.2 基本统计学分析（查看数据信息、数值型变量的统计描述、数值变量的假设检验、分类变量的列联表和独立性检验）
4.3线性模型与广义线性模型（线性模型、Logistic回归、Posisson回归、生存分析与COX回归、生存率的Kaplan-Meier估计、COX回归）
4.4 数据可视化工具matplotlib、seaborn等
三、Scikit-learn机器学习模型（上机操作）
1.机器学习概述
2.数据准备
2.1数据质量校验
2.1数据分布与趋势探查
2.2数据清洗
3.特征工程
3.1特征变换
3.2特征选择
4.有监督学习与无监督学习
5.机器学习算法常用模型
5.1逻辑回归、KNN、决策树、随机森林、支持向量机、朴素贝叶斯、catboost等
6.模型调参与模型验证
四、案例式驱动机器学习数据挖掘分析流程
1.乳腺癌测序数据、临床数据联合数据挖掘：
生信数据下载、数据融合、数据筛选、缺失值处理、变量归一化、结局变量提取、one-hot编码、RFE-SVM特征筛选、分类模型构建、超参数搜索运用。通过案例式学习，掌握数据挖掘的流程、套路。
2.机器学习生存模型框架实战：
生存框架完整分析流程；模型性能评价、生存模型比较的AUC折线图表述，IBF折线图模型比较、特征选择、线性生存回归模型、基于岭回归的线性模型；生存树模型实战。
3.数据分析美图秀秀：
类别比较图表、数据关系图表、数据分布图表；特征分析图、ROC_AUC曲线图等
4.集成学习与非集成学习模型构建与对比分析：
baggingboosting、HistGradientBoosting、CatBoost、XGBRF、XGBRF、LGBMC、DecisionTree,RandomForest、Logistic、SVC、MultiomialNB、BernoulliNB、GaussianNB、KNN等。
五、具体案例分析（结合临床）
举例机器学习在临床中的具体应用分析，学员可根据自己所在领域提出临床问题，进行讨论，实现论文及科研项目的设计思路和实现方法
1.糖尿病遗传风险预测
2.中医证型关联规则分析
3.乳腺癌细胞挖掘
4.心脏衰竭预测
5.脑瘤生存期预测
6.心血管疾病风险预测
7.医疗保险费预测
8.丙型肝炎预测
9.ICU患者生存期预测
10.血液分析预测
06-实例知识点
07-课程报名
课程费用：3900，医咖会会员优惠价3600
联系人:小咖3号
微信号：xys2019ykh
二维码：
热门跟贴