人民網
人民網>>科技

深度學習方法可預測 新冠肺炎患者病情危重概率

2020年07月29日08:23 | 來源:科技日報
小字號
原標題:深度學習方法可預測 新冠肺炎患者病情危重概率

近日,鐘南山院士團隊和騰訊AI Lab合作的一項關於新冠肺炎的研究成果披露。該研究用深度學習的方法,可分別預測病人5天、10天和30天內病情危重的概率,有助合理地為病人進行早期分診。相關論文《深度學習在新冠肺炎危重患者早期分診中的應用》已於近日發表於國際期刊《自然·通訊》上。

臨床顯示,在感染新冠肺炎(COVID-19)的患者中,有一部分病情初期表現平穩,但會以很快的速度突然惡化,遭遇更高的健康風險。識別不同風險的患者並進行分類,有利於醫療資源的高效合理分配,也能確保最有重症風險的患者盡快得到最合適的醫療及護理。

不過,准確預測這一風險並非易事。研究團隊發現,臨床中與此相關的患者特征多達74個。鐘南山院士團隊與騰訊公司共同成立的大數據及人工智能聯合實驗室,這次以騰訊AI Lab技術為核心,通過機器學習選擇變量算法,確定了10個患者特征指標,即X線影像異常、年齡、呼吸困難、慢性阻塞性肺病、合並症數量、癌症病史、中性粒細胞/淋巴細胞比、乳酸脫氫酶、直接膽紅素和肌酸激酶等。他們以來自575個醫療中心的1590名COVID-19患者病例進行模型訓練,進而開發出深度學習生存Cox模型。這一模型可以根據COVID-19患者入院時的臨床特征,預測其病情發展至危重病的風險。

驗証結果顯示,評估模型預測結果精准度的一致性指數(C指數)為0.894(值越接近1,准確率越高),較未進行深度學習的經典Cox模型的0.876有所提升。

為測試模型的普適性,研究團隊還對不同地理區域和不同衛生資源水平的3個獨立隊列進行了模型測試,3個患者隊列來自武漢市、湖北省武漢市以外地區以及疫情期間未出現健康資源枯竭的廣東省。3個獨立隊列測試中,C指數展現的重症模型預測與實際發生一致性分別為0.878、0.769和0.967。

考慮到在實踐中,由於醫療資源緊張等原因,患者的10項特征數據未必完整,這一模型還可在應用中自動填補缺失數據。其在僅觀測到7項特征時,依然能取得較好表現。

據悉,研究團隊已開發部署了網站服務與微信小程序,使用者隻要通過平台提交對應特征的測量數值就可以立馬獲得分析結果。為了助力全球共同戰疫。

該研究成果也通過Github向全球開源。(記者張蓋倫)

(責編:趙竹青、呂騫)

分享讓更多人看到

返回頂部