前几天一个做介入随访的老同行把一篇报道甩给我说某国际顶级综合类学术期刊的新闻栏目独家报道了一项围绕 TACE经导管动脉化疗栓塞治疗肝癌的多中心研究核心成果是一套生存预测模型。他的原话是“标题写得像‘新希望’但我关心的是这套模型能不能落到我们科室的随访表上。”这个问题问得很到位。这几年做肝癌介入的预后建模我见过太多“论文里C指数漂亮、临床上一用就崩”的例子。这篇博文就从这个标题出发把 TACE 治疗肝癌的疗效异质性、多中心生存预测模型的设计逻辑、特征工程与验证的实操细节、以及落地时会踩的坑一条条拆开讲清楚。适合三类人看做介入临床、想搭自己队列随访库的医生做医学统计与数据建模、被拉进临床课题的分析人员以及需要读懂这类文献、判断结论能不能采信的研究生和年轻研究者。我不会给你诊疗建议只讲方法、讲数据、讲工程实现把它当成一份“如何读懂并复现一个生存预测模型”的项目笔记。1. 先把这件事说清楚TACE疗效为什么需要一个预测模型1.1 TACE在肝癌治疗里的位置与疗效异质性TACE 的基本逻辑并不复杂把导管超选择插到供血动脉注入化疗药物与栓塞材料让肿瘤局部获得高浓度药物的同时断掉血供缺血加上细胞毒作用双管齐下。对于不能手术切除的中期肝癌它是被写进主流路径里的常规选项之一。但它有个非常现实的软肋——疗效分布极其分散。同样是中期、同样做了几次 TACE有的患者肿瘤坏死明显、几年稳定有的患者两三次之后影像上几乎没变化甚至肝功能先垮了。这种分散不是操作手法差异能完全解释的。肿瘤负荷、包膜完整性、血供丰富程度、肝功能储备、有无门脉受侵、甲胎蛋白水平、炎症指标、乙肝病毒复制状态甚至患者能不能耐受反复栓塞都在起作用。临床上我们习惯凭经验“看片子看化验”判断这个人值不值得再做一次但经验没法量化、没法传授、没法多中心横向比较。这就是为什么“预测模型”这件事在这类治疗里格外有吸引力它把模糊的直觉拆成一串可计算、可复核的量。我自己的体会是TACE 的决策从来不是“做或不做”的一次性选择而是一条反复评估的时间线首诊评估、每次术后四周到八周的疗效评价、进展后的再治疗策略、肝功能恶化时的止损。预测模型真正能帮上忙的位置是在这条时间线的几个岔路口给出概率区间而不是替谁拍板。1.2 从“平均疗效”到“个体预后”预测模型要解决的真问题传统研究给的是平均效应比如某组人群的中位生存期是多少个月、客观缓解率是多少。这个数字对群体有意义对坐在你面前的这个人几乎没意义——因为他可能是疗效最好那一端也可能是最差那一端。预测模型要干的活是把“平均”换成“这个人大概处在分布的哪个位置”。具体来说它在三个场景里有价值。第一是分层把预后明显偏差的人群识别出来前者可能更适合尽早考虑联合其他手段或换路径后者则可以更放心地按计划做系列 TACE 并密切随访。第二是沟通把风险讲成数字比“情况不太乐观”这种表述更容易被家属理解也更经得起追问。第三是科研有了统一的预测基线不同中心、不同时间段、不同技术改良之间的比较才有可比性否则永远是各说各话。但这里有个必须提前说清楚的边界模型输出的是概率不是结论。它告诉你“这类特征组合的人群里某一时间点仍存活的比例大概是多少”而不是“这个人一定会怎样”。把概率当结论用是这类工具最常见的误用方式也是最容易引发纠纷的地方。1.3 多中心研究到底改变了什么单中心模型最大的问题是“水土”。一家中心的患者构成、操作习惯、随访密度、影像评价的读片口径都是内生的模型会把这些“本地特色”当成规律学进去。换个中心患者基线不同、随访节奏不同模型的表现就会明显缩水。多中心研究解决的核心不是样本量而是变异性的覆盖。当训练数据里包含了不同地区、不同级别机构、不同操作者、不同设备的人群模型被迫去学那些跨中心稳定的信号而不是本地噪声。这也直接决定了验证策略真正有说服力的不是“在同一批数据上交叉验证”而是“在完全没参与训练的中心上做外部验证”。我经常用一个类比单中心模型像是用一家店的客流数据预测全国销量交叉验证只能证明你在这家店里预测得准外部验证才能证明你换个城市还准。多中心研究公布的模型能不能信八成看它的外部验证做得实不实——这一点比模型用了多花哨的算法重要得多。2. 拆解一个生存预测模型的完整设计思路2.1 研究设计与入排标准模型的地基任何预测模型的价值上限在建队列那天就定死了。做这类 TACE 预后研究第一件要抠死的是入排标准的可复现性。诊断依据用的是哪一版标准、分期系统怎么界定、是不是首次治疗、之前有没有接受过其他局部或系统治疗、有没有门脉主干受累、肝功能处于什么状态、随访起点定在哪一天——每一条都要写成别人能照着复现的句子。随访起点这个细节坑特别多。是从确诊日算、从第一次 TACE 当天算还是从末次治疗算三种算法出来的生存曲线完全不同。多数研究把首次 TACE 当天作为零点因为模型是给“准备做或刚开始做 TACE 的人”用的。但如果你的模型目标是“判断该不该做第 N 次”零点就得跟着改。起点定义必须和模型的用途对齐否则模型再准也用错了地方。另一个容易忽略的是排除标准的时间维度。比如肝功能在治疗前急剧恶化的患者要不要排除排除了模型干净但人群变窄不排除模型更贴近真实但噪声变大。我的做法是主分析用相对宽松的入排同时做一个严格入排的敏感性分析让读者看到结论对这条标准是否稳健。2.2 终点事件怎么定总生存、至进展时间还是别的终点定义是这类研究里最容易被审稿人挑刺的地方也是实操中最容易出错的地方。总生存OS最硬事件明确、不受评价者主观影响但需要足够长的随访和完整的确切死亡信息无进展生存PFS或至进展时间TTP对 TACE 更敏感但依赖影像评价的节奏和口径。影像评价这块必须交代清楚用的是哪种疗效评价标准、间隔多久复查一次、由几位阅片者独立判断、分歧怎么处理。如果评价间隔不统一有人两个月查一次有人半年才查一次进展时间就会被系统性拉长——这不是生物学差异是随访密度差异属于典型的信息偏倚。做模型的人如果不管这一层最后学到的可能是“谁复查得勤”。还有个现实问题失访。介入患者流动性大尤其是异地就医的随访两三年后失访率可能不低。处理方式要在方法里写明删失处理、竞争风险要不要考虑、如果死亡和失访混在一起该怎么解释。这里我倾向于保守宁可承认删失比例高、给出敏感性分析也不要把删失当作“无事件”轻描淡写带过。2.3 变量池的构建三类变量的取舍逻辑变量池一般来自三块临床基线年龄、性别、体能状态、病因、既往治疗史、有无门脉受累、肿瘤数目与最大径、实验室指标白蛋白、胆红素、凝血、血小板、甲胎蛋白、炎症相关比值等、影像特征强化方式、包膜、坏死比例、供血动脉来源如果做影像组学还有纹理特征。这三块的信息密度和可获取性差别很大取舍逻辑也不一样。实验室指标的优势是标准化程度高、几乎每个中心都有、时间点明确是最稳的一层。临床基线里有些变量信息量很低比如性别在多数队列里贡献极小但删不删要看过统计证据不能凭感觉。影像特征信息量最高但一致性最差——不同设备、不同期相、不同读片者的差异会直接灌进模型。我一般会做这样一件事把变量按“可获取性”和“可靠性”画一个粗略的二维分类优先保留“到处都有且口径统一”的变量对“信息量大但口径不统一”的变量先做一致性检验比如两位读片者的评分一致性一致性不过关的要么合并成粗分类要么只作为探索性分析放进补充材料。这个动作看起来保守但它决定了模型能不能被别的中心用起来。2.4 为什么多数研究仍选 Cox 而不是深度学习现在动辄有人问为什么不用深度学习、不用大模型答案很朴素——样本量撑不住可解释性也撑不住。一个多中心 TACE 队列几百到一两千例是常见规模事件数更少。深度生存模型参数量动辄上万在这种数据量下几乎必然过拟合交叉验证看着还行外部验证立刻塌。反观 Cox 比例风险模型它假设协变量对风险的作用是乘性的、不随时间变化这个假设当然未必成立但它参数少、可解释、能直接输出风险比和置信区间、能画列线图、能算个体化的生存概率临床医生看得懂、敢用。多个心研究在这类场景下往往就是 Cox 加一点正则化LASSO 或弹性网做变量收缩再配一个列线图落地。当然如果事件数足够多经验上每个候选变量至少十来个事件越多越稳随机生存森林、梯度提升生存模型确实可能提升区分度代价是解释成本上升。我的建议是主模型用 Cox 保证可用性把机器学习模型作为补充分析放在后面报告两者的一致性——如果复杂模型没有带来实质性提升那就不值得为它牺牲可解释性。3. 数据处理与特征工程的实操要点3.1 缺失值与异常值删还是填真实世界的介入队列缺失几乎必然存在而且往往不是随机缺失——病情重的人化验做得更勤病情轻的人可能某些指标压根没查。这叫信息性缺失直接删样本会引入选择偏倚。我的处理顺序是这样的先统计每个变量的缺失比例和缺失模式缺失低于 5% 的用中位数或多重插补补上缺失在 5% 到 20% 之间的重点用多重插补链式方程并且把缺失本身作为一个敏感性分析维度超过 30% 的变量谨慎考虑直接剔除或者只保留一个“是否检查过”的二值标记。多重插补的实现上R 里的 mice 包、Python 里的 statsmodels 或 scikit-learn 的 IterativeImputer 都能做。关键是做完之后要报告插补模型用了哪些辅助变量并且把插补后的结果和完整病例分析的结果对比——如果两者结论差很多说明缺失不是随机的这时候更该谨慎而不是更自信。异常值我不用“3倍标准差”这种粗暴规则。临床上很多“异常值”是真的极端病情不是录入错误。我的做法是数值超出生理可能范围的当录入错误处理在生理范围内但远离分布的保留并做敏感性分析同时在模型里对连续变量做样条或稳健变换减少单个极端点对系数的影响。3.2 连续变量的非线性别一上来就切三段把连续变量硬切成“高/中/低”三组是临床研究里最常见的坏习惯之一。它损失信息、切点任意、还容易在外部验证时因为人群分布不同而错位。更有害的是如果切点是看着数据分布或者看着结果挑出来的那就是变相的数据窥探。更稳的做法是限制性立方样条。给连续变量三到四个节点拟合并画出一条风险随数值变化的曲线看它到底是线性、U形还是阈值型。如果确实存在明显阈值再考虑按样条曲线上的拐点做分组并且在报告里说明拐点是数据驱动得到的需要在外部数据上再确认。这套流程比“拍脑袋切三段”麻烦但它能解释清楚“为什么是这个切点”审稿人也更难挑毛病。拿白蛋白举例它和预后的关系往往不是线性的过低风险高但极高值也未必更好因为可能反映脱水或者营养状态异常。如果强行二分类这条曲线信息就全丢了。样条图一画往往能看出一个相对平稳的区间这对临床沟通其实更有用——“你的白蛋白在这个区间内相对不构成额外的风险信号”。3.3 多重共线性与变量筛选LASSO 加 Cox 的经典组合实验室指标之间高度相关是常态白蛋白和总蛋白、胆红素和肝功能分级、炎症比值和白细胞计数随便一配就是一堆共线性。共线性本身不会让预测变差太多但会让系数变得不稳定、方向诡异解释起来很难看。常见的处理路径先看相关矩阵相关系数绝对值很高的一对变量里按临床意义和测量稳定性留一个再用方差膨胀因子检查超过阈值的组合要处理最后用 LASSO-Cox 做收缩筛选让不重要的变量系数压到零。这套组合在多中心小样本场景下非常好用因为它同时解决了筛选和过拟合两个问题。不过 LASSO 有个陷阱它选出来的变量集合对数据扰动敏感换个随机种子可能结果就变。所以我一般会做稳定性选择——多次重抽样统计每个变量被选中的频率只保留高频入选的变量。这样得到的变量集更可能反映真实信号而不是某次抽样的偶然。3.4 影像组学特征如果要做坑在哪影像组学能大幅扩展变量池但也是翻车重灾区。第一个坑是扫描参数不一致层厚、管电压、重建算法、期相不一致提出来的纹理特征根本不可比。多中心研究如果不做重采样和强度归一化后面所有分析都建立在流沙上。第二个坑是特征数量爆炸一次提取几百上千个特征样本才几百例这时候哪怕全用 LASSO 也容易过拟合。合理做法是先在训练集内做组内相关系数筛选去掉稳定性差的、去冗余去掉高度相关的把特征压到几十个量级再进模型。第三个坑是特征提取的可复现性。分割是手动、半自动还是自动由谁来做一致性怎么评估用哪个软件哪个版本——这些不写清楚别人复现不出来结论就无法被检验。我见过不少研究特征提取参数写得含糊最后连作者自己都复现不了。实话说如果团队没有影像处理和质控的专门人手我的建议是先别碰影像组学把临床和实验室变量做扎实做一个能用的模型比做一个花哨但不可复现的模型有价值得多。4. 建模、验证与评估的完整流程含代码4.1 训练与验证的划分外部验证才是硬通货划分策略直接决定你报告的数字有多可信。最低配是随机拆训练集和测试集稍好一点是交叉验证真正有说服力的是时间切分加外部中心验证。时间切分早期病例训练、后期病例验证能检验模型在诊疗规范演进下的稳健性外部中心验证检验的是跨人群的可迁移性。一个经常被忽略的细节如果多中心数据混在一起随机拆分同一家中心的病例同时出现在训练和验证里那验证结果会被高估因为模型学到了这家中心的“特色”。正确做法是按中心整块划分或者做“留一中心交叉验证”——每次留一个中心做验证其余中心训练。下面这段 R 代码演示基本骨架数据是模拟的示例数据仅用于说明流程不涉及任何真实病例。library(survival) library(glmnet) library(rms) library(timeROC) set.seed(20240501) # 模拟示例数据n 例含生存时间、结局与若干候选变量 n - 600 dat - data.frame( time rexp(n, rate 0.05), status rbinom(n, 1, 0.6), age rnorm(n, 60, 10), alb rnorm(n, 38, 5), bil rlnorm(n, 1.2, 0.5), afp rlnorm(n, 4.5, 1.2), tumor rpois(n, 2), size rlnorm(n, 2.2, 0.6) ) # 训练/验证按中心整块划分的思路 # 实际项目中应使用 center_id 做分组拆分此处以简单拆分示意 idx - sample(seq_len(n), size 0.7 * n) train - dat[idx, ] test - dat[-idx, ] # LASSO-Cox 变量收缩 x - as.matrix(train[, c(age,alb,bil,afp,tumor,size)]) y - Surv(train$time, train$status) cvfit - cv.glmnet(x, y, family cox, alpha 1) plot(cvfit) # 看 lambda 路径与偏似然偏差 coef(cvfit, s lambda.min) # 收缩后的系数 # 用选中的变量拟合常规 Cox便于解释与画列线图 fit - coxph(Surv(time, status) ~ age alb bil afp tumor size, data train) summary(fit)这段代码里有两个点值得强调。第一cv.glmnet的交叉验证必须只在训练集内做把验证集信息带进去就是数据泄漏。第二lambda.min和lambda.1se的选择要有理由——前者偏激进、变量多后者更保守、变量少如果目标是做一个能推广的模型我通常选lambda.1se用一点点区分度换取稳定性。4.2 列线图把模型变成医生愿意用的东西模型做出来如果只能输出一个风险比临床基本不会用。真正能进科室的是列线图每个变量在图上对应一段刻度医生拿着化验单和影像报告几分钟就能算出一个三年或五年生存概率的估计值。它把回归系数翻译成了“看得见的加减法”。用 rms 包实现的基本流程是设定分布函数、构建数据包、拟合 Cox、画图。中间最容易被忽略的一步是设定生存时间点。列线图上要标出哪几个时间点的概率取决于这个模型的临床用途——如果随访主体在两年内那画一年、两年、三年比画五年更实际因为五年估计在样本里事件太少不稳定。另一个细节是变量的刻度范围。如果某个变量的取值在样本里 95% 都落在很窄的区间而列线图把刻度拉得很宽读图的人就会误以为这个变量的影响很大。刻度要贴着实际分布来必要时在图上标注分布信息避免误读。4.3 区分度、校准度、临床获益三项评估一个都不能少只报一个 C 指数一致性指数就交差是这类研究里最常见的短板。C 指数衡量的是“排序对不对”它完全不管你预测的绝对概率准不准。一个模型可以把高风险的人排到前面但预测的三年生存率是 30% 而实际是 60%C 指数照样好看临床上却没法用来沟通。所以评估至少要做三件事。区分度C 指数、时间依赖 AUC后者能反映不同时间点的表现比单一 C 指数信息量大。校准度校准曲线看预测概率和实际观测概率贴不贴理想情况是落在对角线上还可以报 Brier 分数它是预测误差的综合度量越低越好。临床获益决策曲线分析看在不同阈值概率下用模型指导决策比“全都按同一种方式处理”能多带来多少净获益。三项里我认为校准对临床最重要。因为沟通时你说的就是绝对概率校准不过关数字就是错的。C 指数高但校准差的模型宁可不用。校准还分“弱校准”整体均值对不对和“强校准”整条曲线贴不贴后者要求更高样本量要求也更高。# 区分度时间依赖 AUC示例 roc - timeROC(T train$time, delta train$status, marker predict(fit, newdata train, type lp), cause 1, times c(12, 24, 36), iid TRUE) roc$AUC # 校准在验证集上画校准曲线示例框架 # 实际做法通常是按预测风险分组比较各组预测均值与 K-M 观测值 pred_test - predict(fit, newdata test, type lp) # 决策曲线可借助 rmda 或 dcurves 包实现跑这些分析时最容易犯的错是在训练集上评估并在论文里当作主要结果。训练集上的 C 指数几乎必然偏高看着漂亮但没有意义。主结果必须是外部验证集训练集表现只能作为参考。4.4 报告规范与可复现清单模型类研究有一份被广泛接受的报告清单思路核心是让读者能判断“这个模型值不值得信、能不能用”。我自己的项目会按下面这些项自查检查项具体要求常见缺失队列来源中心数量、时间跨度、纳排标准全文只写“回顾性收集”事件定义终点、评价标准、随访间隔评价口径含糊缺失处理比例、方法、敏感性分析只写“缺失剔除”变量筛选全流程可复现含随机种子只说“单因素筛选”模型参数完整公式或系数表只给图不给系数验证方式外部中心/时间验证仅内部交叉验证评估指标区分度校准临床获益只有 C 指数可获取性代码与数据共享声明无我特别想说“完整系数表”这一项。有些论文只画了漂亮的森林图不给具体系数别人想在你的基础上做验证都无从下手。把系数和基线生存函数写清楚是这类研究最基本的诚意。5. 模型落地临床的真实难点与排查5.1 阈值怎么定才不误导模型输出概率之后必然要面临一个问题多少算高风险这个切点不能随便定。如果目的是“筛出需要加强随访的人”切点应该偏敏感宁可多纳入一些如果目的是“判断要不要停止 TACE 转向其他路径”切点就得偏特异因为错误转向的代价可能更大。更严谨的做法是用决策曲线去找净获益最大的阈值区间结合科室的实际资源约束来确定。比如加强随访意味着更频繁的影像检查资源有限时切点就要相应上调。这一步没有标准答案必须在具体场景里谈任何“统一用 50% 作为切点”的说法都是偷懒。这里还有一个沟通上的边界模型给出的高风险不等于“治疗没意义”。它只提示这个人可能需要更谨慎的方案设计、更密切的监测或者更早讨论替代路径。把风险分层讲成预后判决是我见过最糟糕的用法。5.2 和患者家属沟通时的表达边界拿模型结果去沟通措辞要极其小心。有效的表达是区间和类比“和你情况相近的一组人里大约有多少比例在几年内情况稳定”而不是“你只有百分之多少的希望”。前者是群体统计后者听起来像判决。同时要说清楚模型没考虑到的因素患者的整体状态、家庭支持、并发症、后续治疗依从性这些都会实质影响结局而模型里可能只有一个粗略的变量。我一般会补一句“这个数字是基于一群人的平均情况你是具体的一个人我们会根据你的实际反应随时调整”。还有一件事必须讲明这类模型是研究工具不是诊断或治疗依据。任何个体化的决策都必须由主诊团队结合完整资料判断。这一点在科普转述里特别容易走样标题一个“新希望”读者就以为有了确定答案。5.3 常见报错与逻辑错误速查表下面这张表是我这几年在评审和合作中反复见到的毛病按“症状—原因—改法”整理症状常见原因处理思路外部验证 C 指数大幅下降过拟合或中心间基线差异大减少变量数、加正则化、按中心分层校准曲线整体偏离对角线未更新基线风险在验证集上做模型更新截距校准某变量系数方向与临床常识相反共线性或抑制效应检查相关矩阵考虑剔除或合并训练集 AUC 极高数据泄漏检查标准化、插补、筛选是否跨集时间依赖 AUC 随时间是直线计算或数据结构有误核对事件编码与时间单位列线图概率范围荒谬基线生存函数未正确设定重新拟合并核对参照水平结果换随机种子就变样本量不足或筛选不稳定做稳定性选择、报告多种子结果5.4 我踩过的几个坑说给你听第一个坑是数据泄漏而且藏得很深。我曾经把整个数据集一起做标准化和缺失插补再拆训练验证结果训练集表现好得离谱。后来才明白验证集的均值和分布信息已经通过标准化“渗”进了训练过程。改法是所有预处理步骤只在训练集上拟合然后把参数应用到验证集。第二个坑是把删失当成无事件。早期做分析时我把失访的人当作“一直活着”导致生存率被明显高估。正确做法是删失处理并且检查删失是否与预后相关——如果失访的人恰好是病情更重的那结论就有系统性偏差。第三个坑是时间单位混乱。有人用月、有人用天合并数据时没统一模型跑出来时间轴全乱。这类错误很低级但极难在结果层面发现异常必须在数据字典阶段就锁死单位。第四个坑是过度相信单次交叉验证。同一批数据换十次随机划分C 指数能差出零点零几如果只报最好那次等于自欺。正确做法是重复多次交叉验证报告均值和范围。6. 从一篇报道到自己的项目可复用的行动清单6.1 队列搭建的最小可行方案看了报道想自己动手最容易犯的错是一上来就想做大而全。我的建议是先做最小可行队列明确一个终点、锁定十个以内的核心变量、统一随访节奏、写一份数据字典。这四件事做完你就有了一条能持续积累的产线后面再往里加变量、加影像特征都容易。数据字典要写到什么程度每个字段的名称、单位、取值域、采集时间点、缺失编码、责任人全都要有。我见过太多项目两年后回头看数据连“这个甲胎蛋白是术前还是术后”都说不清整批数据只能作废。这种损失比模型不准严重得多。随访机制上我的经验是把“复查提醒”嵌进科室的日常工作流而不是靠某个人记着。谁负责、多久提醒一次、失访后怎么追溯都要有明确安排。数据质量是靠流程保出来的不是靠事后清洗救回来的。6.2 团队分工与协作的实话这类项目从来不是一个人能做完的。临床端负责入排判断、终点判定和影像评价数据端负责清洗建模统计端负责方法设计和验证策略。三者之间最大的摩擦点是口径临床说的“进展”和数据端理解的“进展”经常不是一回事。解决办法是建立一份共同认可的判定手册遇到边界病例就记录下来定期开会讨论。我参与过的一个项目前三个月几乎每周都在吵“这种情况算不算进展”但正是这些争论把口径磨清楚了后面的数据质量明显好于同期其他项目。还有一条建模的人必须去看原始病历哪怕只看几十份。只看表格数据建模很容易做出违背临床常识的模型而你自己还不知道问题出在哪。6.3 后续可以怎么扩展如果基础模型跑通了往下有三条自然的延伸路径。一是动态更新把治疗过程中的变量比如首次 TACE 后的缓解情况、甲胎蛋白变化幅度纳入做landmark分析或联合模型让预测随时间滚动更新二是决策导向从“预测结局”转向“预测不同策略下的结局差异”这需要更严谨的设计但临床价值更高三是多中心协作把口径统一起来做外部验证这是让模型真正被认可的关键一步。我最后分享一个自己的体会。做这类预后模型这几年我最大的转变不是技术上的而是心态上的一开始总想着把 C 指数做高、把模型做复杂后来发现真正被人用起来的模型往往变量少、图简单、口径清楚。有个合作科室的医生跟我说过一句话我记到现在——“我不需要知道这个人的风险是 0.732 还是 0.748我需要知道该不该让他两个月后再来一次。”模型的复杂度应该服务于这个问题的答案而不是服务于论文里的数字。至于报道里说的“新希望”我的看法是它更像一把刻度更细的尺子尺子本身不治病但拿尺子的人可以量得更准一点。
