本文將以重癥監護醫學領域的應用為例，講述如何使用DarwinML來輔助醫療研究者。功能包括以頁面拖拽方式自動抽取數據特征，并根據實際研究需要，調整入模特征、數據清洗方案、模型擬合方向等，使用平臺可反復生成并比較模型，最終完成研究目標。

DarwinML Studio自動建模平臺

從數據導入和清洗為起點，DarwinML可自動建模并給出模型多方位評估結果，研究者只需要重點關注模型評估結果。研究者根據研究目標，自行返回去調整最初的數據清洗方案和模型設置，多次建模，選擇符合研究需要的最終模型。

DarwinML自動建模平臺全流程如下：

center2755901)數據清洗：均衡樣本分布，填補缺失值，消除特征異常值，文本特征數值化等。

2)模型設計：根據數據自身特性，以及研究者的參數設定，自動構建搜索空間內的最優網絡結構。網絡結構會在平臺中顯示如下。

3)

超參調優：對最優網絡結構，結合數據特性，給出相匹配的最優超參組合，比如下圖所示的“超參數”列中XGBClassifiler的learningRate和nEstimators等。

4)模型訓練：使用最優網絡及超參組合，實際訓練模型。

5)模型評估：給出查全率，查準率，AUC等基礎指標值，并且從模型角度，給出重要列分析結果，從樣本角度，給出單個樣本的重要特征分析。

同時可以根據需要，我們也支持只使用部分功能。比如可以導入一組新患者的檢查數據，使用上次訓練好的模型，只做模型評估，來對這一組新患者的患病幾率做預判。

案例：重癥感染綜合征(又名敗血癥，Sepsis)預后研究

根據其較早期的檢查指標，我們使用DarwinML為重癥監護室(ICU)患者預警感染重癥感染綜合征(又名敗血癥，Sepsis)的可能性，以及是哪些指標以何種方式導向這一結果。從而讓醫療研究者可以盡早地根據患者的各項檢查指標來判斷Sepsis病癥的預后。醫療研究者通過模型預警提前介入，用藥治療挽救生命。

步驟一：數據抽取

根據研究需要，我們的特征抽取目標是，從620萬條檢查記錄中，涉及約20,000名患者的70項檢查，抽取出進入ICU之后符合一定條件的記錄，生成特征值用于模型。

DarwinML數據抽取平臺在這一過程中，可以幫助研究者完成三件事情：

1. 數值化指標值：由于醫療設備各有差異，同一項指標的結果記錄不一致。比如：白蛋白(Albumin)指標，在部分檢查結果中記錄為數值0.5, 1.9, 2.9等，但有些檢查結果使用分段記錄“LESS THAN 0.3”，“LESS THAN 1.0”等，需要統一化處理為數值，用于模型訓練;

2. 截取數據：研究者可以通過色設置參數，來對關注的部分進行數據截取。比如在本次案例中，研究者希望探究是否有可能在患者進入ICU72小時內給出感染Sepsis的預判，則研究者設定如下參數值來實現。

3. 生成模型特征：由于患者的各項檢查時間不連續，檢查間隔不穩定，導致70項指標的缺失值平均高達86.88%，具有高稀疏性特點。平臺可以對620萬條檢查記錄進行特征生成，轉換為被模型直接使用的20,000條患者記錄，也就是每位患者一條特征數據。

上述步驟將在DarwinML Data Fusion，以數據流形式在1小時內處理結束。數據流的運行進展可以通過頁面日志實時查看，也可以在數據流實時顯示。

步驟二：數據清洗

DarwinML自動建模平臺會在數據導入后給出當前數據每一列的具體清洗建議。比如：是否需要填充缺失值，填充值取多少合適;這一列的數據是否有嚴重偏移，是否需要消除異常值;這一列是否是字符串列，模型無法直接使用，如何做數值化處理，是映射為0，1，2...，還是做ICA編碼提取語義等。當然，研究者可以選擇信任推薦的清洗方案，也可以自定義清洗方案。

下圖給出了darwinML對不平衡數據分布自動做均衡化之后的結果，原本7:1的嚴重偏移分布(左圖)， 轉換為可以更好被模型擬合的2:1分布比例(右圖)。

“Hours0-72_Alkaline phosphate_min”數據由于含有異常值，數據分布呈現嚴重正偏態，如下左圖，DarwinML自動推薦等距分箱，清洗后，如下右圖，消除了偏態分布。

在數據清洗完成后，DarwinML會給出最終的數據寬表(如下圖)供反查。如果有不符合預期的處理，可以選擇“再次清洗”實現。

步驟三：模型設計、超參調優、模型訓練

DarwinML自動完成。

步驟四：模型評估

在DarwinML完成自動建模后，研究者可以查看模型評估結果來進行分析。比如：當我們完成了一個模型，看到ROC曲線如下，AUC約等于0.9249，模型整體準確率較高。

但當我們進一步查看模型重要列分析，發現模型給出重要性較高的指標是Diastolic blood pressure(舒張壓)等體征指標，而研究者更為關注的是各項病理檢查指標。

為了排除影響，我們選擇再次清洗數據，把體征指標從數據中剔除掉，再次自動建模。

剔除體征指標后，得到一個新的模型，AUC約等于0.9094，略有降低，但模型的實際功能更符合研究需要。

接下來，我們可以查看評分卡結果，并對來患病幾率選擇一個門限，比如0.3，這時查準率大約為0.94。在實際使用中，當模型給出的患病幾率超過門限0.3，我們就可以初步判斷這位患者易感，需要重點關注。

結語

本文主要以重癥感染綜合征(又名敗血癥，Sepsis)的一次預后研究為例，對DarwinML自動建模平臺展開介紹。DarwinML同時支持時間序列、圖像分類、圖像目標識別、OCR等任務，兼容研究者自定義的模型應用。