易知AI | 线性回归：医疗预测的利器

从探寻最佳直线到临床血压预测，揭开连续值预测的神秘面纱

在易知AI|为何要懂AI的探讨中，我们提及了机器学习的核心能力——“预测”。那么在医疗健康场景下，当健康管理师需要估算“运动3小时能导致多少体重波动”，或者医生想预判“患者的血压会出现何种起伏”，应采用何种算法来实现精准估算呢？

答案便是线性回归。作为机器学习中最基础且经典的算法，它是构建复杂预测模型的基石，凭借易懂且可解释的优势，成为医疗领域进行连续值预测的实用工具。在易知AI|未懂这两个模型，别称自己懂AI医疗：线性回归与逻辑回归全解析中已有涉及，本期我们将做更深入的剖析。

若要探究两个变量间的联系，例如运动时长与体重变化、年龄与骨密度的关系，线性回归便能协助我们发现其中的规律。

简而言之，线性回归的核心在于于散乱的数据点间绘制一条最优拟合线。这条线并非随意画出，必须满足关键条件：所有数据点到该线的距离平方和最小，从而最大程度贴合实际数据规律。

蓝点代表数据样本，红线代表拟合线，垂直虚线代表残差——目标：最小化残差平方和。

数学公式表达：y = wx + b（y代表预测结果，x代表影响因素，w代表权重，b代表偏置）。

人工智能的本质是通过不断调整权重w和偏置b的数值，反复计算以找到那组最优解，从而画出最贴合数据的直线，这一求解过程常采用最小二乘法或梯度下降法。

为了评估拟合直线的优劣，我们引入了损失函数。在线性回归中，常用的是均方误差（MSE），即所有预测值与真实值差值的平方的平均值。我们的核心目标，是让该损失函数的数值尽可能小，数值越小，意味着拟合直线的预测效果越好。

有时公式会在均方误差前添加1/2，这纯粹是为了后续求导计算时消去系数，简化运算，并不影响最终求解结果。

若数据量少，最小二乘法可直接计算解析解，快速定位最优拟合线。但面对海量数据时，此法耗时且耗资源，此时梯度下降成为更优选择——这是一种通过迭代逐步逼近最优解的方法。

梯度下降原理可用一生动场景比喻：想象你置身山顶，欲以最快速度抵达山脚，会先观察脚下最陡峭的下坡方向迈步；到达新位置后，再次寻找当前最陡下坡方向继续前行，反复如此，终能一步步接近山脚。线性回归中，“山顶”即损失函数最大值，“山脚”为损失函数最小值，每一步“下坡方向”即梯度，通过不断迭代调整w和b，便能逐步锁定最优解。

损失值随迭代次数下降，每一步沿负梯度方向更新参数，最终抵达最小值“山脚”。

梯度下降主要有三种形式，各具优劣，适用不同数据分析场景：

批量梯度下降（BGD）：每步迭代均用全部训练样本计算梯度。优点是结果精准，能寻全局最优；缺点是样本越多，计算量越大，耗时越长。

随机梯度下降（SGD）：每步仅选一个样本计算梯度。优点是速度极快，适合海量数据；缺点是迭代路径易震荡，可能在最优解附近徘徊，难精准收敛。

小批量梯度下降（MBGD）：每步选取一小批样本（如64个、128个）计算梯度。兼顾速度与稳定，是医疗数据分析及工程应用中最常用的梯度下降方法。

训练线性回归模型时，易现一问题：模型为完美贴合训练数据，过度学习细节，甚至将实验噪声、偶然误差视作规律，致新数据预测效果差——此即过拟合，即模型“学得太细，钻了牛角尖”。

而正则化是解决过拟合的关键手段，其核心是在损失函数中增设惩罚项，通过限制权重系数大小，约束模型复杂度，使其更具通用性，避免过度拟合。

线性回归常用两种正则化方式，各有侧重：

L2正则化（Ridge回归/岭回归）：在损失函数中加入权重w的平方和作为惩罚项，使权重尽可能小且平滑，避免某特征对预测影响过突，使模型更稳健。

L1正则化（Lasso回归/套索回归）：在损失函数中加入权重w的绝对值之和作为惩罚项，使对预测影响极小的特征权重直接归零，相当于自动剔除无用特征，实现特征选择，生成更简洁的稀疏模型。

训练出预测模型后，如何判断其预测准确度及能否用于医疗场景？需用专门评价指标量化，线性回归常用三个核心指标，相辅相成：

预测值与真实值差平方的平均值，误差越低数值越小。

MSE的平方根，与原始数据单位一致，更直观。

取值范围0~1，越接近1模型解释能力越强。

线性回归最擅长的便是连续值预测——如预测血压、骨密度、血糖的具体数值，医疗健康领域大量场景需此精准估算，故线性回归应用广泛，真正用算法助力临床与健康管理。

案例A：骨密度（BMD）风险初筛 发表在《Nature》子刊的一项研究利用线性回归，仅凭年龄、性别、体重、腰围等易获取基础指标，构建预测模型，有效筛查老年人群骨密度偏低风险。其价值在于，在去大医院做昂贵DXA骨密度扫描前，基层机构可快速初筛高风险人群，大幅降低筛查成本，提升老年骨健康筛查普及率。

案例B：维生素D缺乏概率预测 在沙特阿拉伯等阳光充足但普遍缺乏维生素D检测的地区，沙特科学家利用线性回归模型，通过BMI、血压、血糖等常规体检指标，成功构建男性维生素D缺乏预测模型。研究还发现BMI是维生素D缺乏的最强预测因子，为临床初筛提供重要参考。

案例C：血压变化趋势预判 在日常健康管理中，收集用户日常饮食、运动时长、睡眠质量、作息规律等数据，用线性回归模型构建个性化血压预测模型，精准预判未来血压变化趋势，一旦发现血压异常升高苗头，即可提前发出健康预警，促使用户及时调整生活方式或就医干预。

基础指标降低DXA筛查门槛

BMI、血压、血糖，最强预测因子BMI

运动/睡眠/饮食数据预警异常波动

血糖预测 · 体重变化测算 · 住院时长预估

强可解释性助力临床决策，连续值预测基石

易知AI · 用可解释的AI照亮医疗未来