深度学习方法可预测 新冠肺炎患者病情危重概率

来源: 科技日报 / 作者: 2020-07-29
0 1

情报所

科技日报讯 (记者张盖伦)近日,钟南山院士团队和腾讯 AI Lab 合作的一项关于新冠肺炎的研究成果披露。该研究用深度学习的方法,可分别预测病人 5 天、10 天和 30 天内病情危重的概率,有助合理地为病人进行早期分诊。相关论文《深度学习在新冠肺炎危重患者早期分诊中的应用》已于近日发表于国际期刊《自然 · 通讯》上。

临床显示,在感染新冠肺炎(COVID-19)的患者中,有一部分病情初期表现平稳,但会以很快的速度突然恶化,遭遇更高的健康风险。识别不同风险的患者并进行分类,有利于医疗资源的高效合理分配,也能确保最有重症风险的患者尽快得到最合适的医疗及护理。

不过,准确预测这一风险并非易事。研究团队发现,临床中与此相关的患者特征多达 74 个。钟南山院士团队与腾讯公司共同成立的大数据及人工智能联合实验室,这次以腾讯 AI Lab 技术为核心,通过机器学习选择变量算法,确定了 10 个患者特征指标,即 X 线影像异常、年龄、呼吸困难、慢性阻塞性肺病、合并症数量、癌症病史、中性粒细胞 / 淋巴细胞比、乳酸脱氢酶、直接胆红素和肌酸激酶等。他们以来自 575 个医疗中心的 1590 名 COVID-19 患者病例进行模型训练,进而开发出深度学习生存 Cox 模型。这一模型可以根据 COVID-19 患者入院时的临床特征,预测其病情发展至危重病的风险。

验证结果显示,评估模型预测结果精准度的一致性指数(C 指数)为 0.894(值越接近 1,准确率越高),较未进行深度学习的经典 Cox 模型的 0.876 有所提升。

为测试模型的普适性,研究团队还对不同地理区域和不同卫生资源水平的 3 个独立队列进行了模型测试,3 个患者队列来自武汉市、湖北省武汉市以外地区以及疫情期间未出现健康资源枯竭的广东省。3 个独立队列测试中,C 指数展现的重症模型预测与实际发生一致性分别为 0.878、0.769 和 0.967。

考虑到在实践中,由于医疗资源紧张等原因,患者的 10 项特征数据未必完整,这一模型还可在应用中自动填补缺失数据。其在仅观测到 7 项特征时,依然能取得较好表现。

据悉,研究团队已开发部署了网站服务与微信小程序,使用者只要通过平台提交对应特征的测量数值就可以立马获得分析结果。为了助力全球共同战疫。

该研究成果也通过 Github 向全球开源。

声明:本网所有文章(包括图片和音视频资料)系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(edit@bio360.net ),我们将立即进行删除处理。所有文章仅代表作者观点,不代表本站立场。

文章评论(0)
使用匿名身份评论
  • 暂无评论,请抢占。