真实世界证据就是真实世界中数据，包括病历数据、医疗保险数据、疾病数据，输入进来，产出各种模型，比如中风病人的再中风预测模型，atv，或心梗病人的死亡风险预测模型，或某种药物治疗有效性的模型。这样的模型是通过这样的pipeline得到的。我们发现，第一可以有一个通用的pipeline去解决真实世界数据分析的问题，因为过程重复，包括导入数据，数据清洗和整理，构建患者人群，抽取特征做建模。很多是通用的，比如疾病风险预测分析，患者的相似性分群分析，治疗有效性分析，患者依从性分析。这样的分析的话都可以变成一些可重用的模块，作为一插件在平台上来做模型生成。比如，咖啡机放入数据就会生成咖啡，里面有很多参数要调整，你是要喝美式还是拿铁还是摩卡。我说起来比较简单，但是就是这么一个过程，我给大家举两个例子。

　　第一个例子的话是我们做的疾病风险预测的一个例子。

　　这个数据库里有45000个心梗病人，有超过800个变量去描述病人的基本信息，包括它的治疗信息，临床信息等。医生想知道哪些因素会导致患者出现院内的死亡，每个患者院内死亡的可能性有多高，这就是一个典型的疾病风险预测的问题。那这个风险模型以前是有的，TIMI模型是目前医学界公认的最好的心脏病的风险预测模型，AUC大概是在0.76，利用我们的方法AUC可以做到0.87，同时我们发现了24个新的风险因素，有很多风险因素的话是非医疗性质的，比如说一些社会性的因素或者就诊医院的一些因素，比如说家庭幸福的人不容易死。

　　医生常常也做这类分析，他们一般会有自己的假设，从800个量里面挑出15个20个，然后从4400万个人里面挑出一千个人，用经典统计方法去做单变量多变量的回归，去看是不是有显著性，这是目前医学统计常用的方法。但是用这种人工智能方法去做时，我们就会用很多新的一些方法，比如做新的特征抽取。举个例子，我们会用共生的模式挖掘，去看这个患者既有高血压又有糖尿病共病，会不会是一个更加有意义的风险因素。这些因素以前医生不会考虑，是我们通过一些挖掘的方法得到的。包括一些共症共治，比如病人同时服用A药B药进行治疗，可能是一种很好的保护性因素，以前不会考虑A加B，或者A加B加C这样的问题。还有包括一些生理指标，比如血压。

　　医生首先有自己的家属，从800个量里面挑出15到20个，人群他不见得用4万个人，里面挑出一千个人做单变量多变量的回归去看统计是不是有显著性，这是目前医生使用统计常用的方法。

　　用人工智能方法来做的时候，比如说新的特征的抽取，举个例子我们会用一些共生的模式挖掘去看，这个患者可能既有高血压又有糖尿病，这样的一种共病可能是一个更加有意义的风险因素，这些因素以前医生不会考虑，这是我们通过一些挖掘的方法得到的，包括一些共治，比如说这个病人同时用了A药和B药进行治疗，以前医生可能用A或者B，并不会考虑A+B，还有像包括一些生理指标也是这样，比如说血压当前值是多少，如果这个病人血压高压是150，他是从90连续涨上来的还是一直持续到150，还是从180掉下来，医生不管，医生只通过一个时间来做判断，其实数据时间序列的信息没有很好的利用起来，这些都是用人工智能的方法，不管用RN建模或者其他分析的方法，可以很好的捕捉到数据之间时间序列的信息，利用这样的信息可以做更好的预测。

　　我们最后发现我们把所有的因素，我们不光发现哪一些因素有影响，同时每个因素的权重包括它的分类都列出来了，医生就会说这个病人因为病情太严重导致死亡的，还是治疗不给力导致死亡的，同时每个病人都会按照风险排一个序，横坐标是一个病人的患者号，所以高风险、中风险和低风险所有病人一目了然，这样可以帮助医生更好对病人进行管理。

　　第二个例子，我想介绍的是患者精准分群的分析，这个也是精准医疗里面非常重要的，就是什么叫精准？有两个极端，一个极端观点认为每个人都是不一样的，因为每个人的基因都是不一样的，每个人基因变异也是样的，作为个体化治疗要个性化到每个个体，这是一种很好的理想，但是现在做不好。