第七位患者的问题更加明显。

患者术后冠脉情况稳定，各项检查都不错，模型给出的风险很低。

然而患者住在距离医院一百多公里的山区，最近的县医院也要坐两个小时汽车。

出院后发生胸痛时，他通常先在家忍着，症状实在无法缓解才让儿子开车送医。

交通距离，就医便利程度以及家庭是否有车，这些信息同样不存在于数据库。

赵思思连续查了几天，原本漂亮的模型框架开始出现越来越多的空白。

……

周五下午。

赵思思抱着电脑去找周成时，脸色比第一次汇报时凝重许多。

“老师，我发现模型可能缺一些变量。”

周成正在看李明远整理的复杂钙化病例，闻言没有抬头：“缺什么？”

“患者的生活状态、复诊条件、家庭支持，还有服药习惯。数据库里基本没有这些内容。”

“重要吗？”

“可能很重要。”赵思思拉开椅子坐下，把吴先生的情况讲了一遍，“他的传统临床风险不算高，但实际就诊次数很多。模型只能看到检查和手术数据，看不到他每天凌晨开店，也不知道他经常忘记服药。”

周成翻到患者的住院记录，看了一会儿：“你准备怎么办？”

“增加患者报告结局和社会因素调查，但以前的回顾性数据补不回来。这样一来，原本一万多例的样本优势就没有了。”

赵思思说到这里，明显有些沮丧。

她花了很多时间设计模型，原以为数据库越大，结果越可靠。

真正跟着患者走了一周以后才发现，数据库的边界远比他预想中明显。

周成合上病历：“数据库里没有的内容，临床上照样会影响患者。模型能学到什么，取决于你给了它什么。缺失的变量不会因为没有记录就消失，只会在最后变成你解释不了的误差。”

赵思思点点头，过了片刻又问：“那我还做不做这个方向？”

“方向可以保留，问题需要缩小。”周成说道，“先别急着预测所有患者的长期结局。看看能不能从一个更具体、数据相对完整的场景切入，比如术后三十天非计划就诊，或者建立前瞻性队列，把过去缺失的信息从现在开始收集。”

这几句话并没有直接给出答案，却让赵思思原本混乱的思路逐渐清晰。

她打开电脑，在研究框架旁边增加了一栏，标题

本章未完，请点击"下一页"继续阅读！ 第1页 / 共3页