在循证理念指导下，中医临床实践正愈来愈广泛地应用“最佳证据”。由于个体差异，证据在不同患者个体应用的疗效存在着有效、无效甚至恶化的差别。在临床决策前预测证据对于个体患者的疗效成为当前中医循证实践面临的重要问题。面对个体数据，机器学习相对于传统统计方法具有其独特优势。本文将简要介绍基于机器学习方法对中医个体化疗效进行循证预测研究的思路。
循证医学被定义为审慎、准确、明智地应用当前所能获得的最佳证据来确定患者的临床决策[1]，提倡以最佳证据为基础的临床决策模式。然而，通过以大规模同质化人群为研究对象的临床研究产生的高级别证据在面对个体患者时，由于患者间的个体差异，往往显示出不同的疗效[]。因此，要想作出最适宜个体患者的个性化临床决策，首先应当预测“最佳证据”应用于个体患者的疗效。
中医个体化疗效循证预测问题的分析个体化疗效循证预测首先应当考虑最佳证据的适用性[1,3]。在真实的临床情境下，当前可获得的最佳证据其内部定义的适用人群（对于一个随机对照试验来说，即其纳排标准所限定的人群）常常与实际患者个体所属人群存在一定程度的出入。例如，许多临床试验并未纳入75岁以上的患者，那么严格来说，在面对75岁以上的患者时，所选的“最佳证据”并不能代表这一类患者的平均获益，之所以选择这一“最佳证据”，是一种“合理的外推”。至于“最佳证据”在多大程度上适用于该患者，即外推是否合理，在很大程度上取决于临床医生的主观认定。
而在中医循证实践中，证据的疗效预测问题更为复杂：在中医诊疗模式下，除了应当考虑患者所属群体在证据中的适用性，还需要考虑患者的舌象、脉象等中医特征信息，有时甚至还要考虑地域、职业等个体因素，来确定患者的证候和体质，描述患者的个体化中医临床特征，据此调整临床决策[4,5]。在中医临床语境下，这些个体化因素都将不同程度地影响临床医生对于证据适用性的判断和对疗效的预测。
中医临床证据疗效预测方法的构建.1基本研究框架尽管仍可能存在其他因素影响证据用于个体时产生的疗效，我们认为，患者个体特征与证据内部定义的适用人群的匹配程度是影响最终疗效的主要因素。基于这一假设，我们建立了基本研究思路：寻找与当前个体患者特征元素在证据内部最匹配的患者群体，通过内部群体所在的疗效层级，预测当前个体患者的疗效倾向。研究依托于一项有关丹红注射液治疗ST段抬高型心肌梗死临床试验的原始数据进行，研究主体大致分为：证据内疗效层级划分、个体特征匹配、前瞻性性验证三大部分。
图1.研究框架设置.疗效层级划分循证医学要求在当前可获得的最佳证据的基础上，结合医生经验与患者意愿进行决策。因此，疗效层级的划分，首先应当