「人工智能」中美科学家联手用AI抗疫！预判轻症转重症准确率达80%( 二 ) |肺炎|技术|机器学习|

根据记录，患者平均年龄43岁，其中男性3人、女性20人，少数病患在染病后一周内出现了包括肺炎在内的严重症状。
研究过程中，病人数据被输入计算机模型。模型会利用决策树方法来跟踪不同的选项，并推测出每一个选择之下的潜在后果。
通过对比预测结果和53位患者实际的病情发展情况，研究人员发现模型预测准确率达到了70~80% 。这就说明该预测模型可以在保证较高准确率的前提下帮助医生区分“患病”和“非患病”病人。
三、模型发现病情发展新指标除了达到较高的准确率，预测模型还找出了与病情严重程度更相关的三个指标。
此前医生在临床诊断中，通常借助胸部X射线计算机断层成像显示毛玻璃样、发烧、咳嗽和淋巴细胞减少等症状来做出判断。但是，预测分析模型结果显示这些指标的准确性并不高。
论文中写道：“机器学习显示出预测ARDS最准确的特征并不是临床医生标准化选择的指标，也不是这些值的严重异常。 ”
根据模型预测结果，最具预测性的特征是：转氨酶（aminotransferase ， ALT）水平、肌痛和较高的血红蛋白水平。
模型分析结果显示，新冠肺炎患者的ALT水平有不明显升高，但其与病情严重程度相关度很高，居于各种指标首位。
肌痛通常不被认为能够反映疾病严重程度，但它可能说明了其他的指标没有反映出的体内大面积炎症和异常细胞因子反应。
此外，血红蛋白水平越高，预后越差。研究人员推测这是由于血红蛋白与其他因素之间的相关性。
这项研究结果为之后医生进行临床诊断指出了新的关注方向。
结语：训练量少，仍待研究尽管预测分析模型取得了较高的准确率，但是它也存在许多缺陷。
论文中写道：“研究仅用到了53名患者的数据，其中还有一些人的数据并不完整，症状严重程度也比较有限。 ”
同时，研究人员也强调预测模型应当被用于辅助决策，而不是取代医生做临床诊断。 “我们的目标并不是创建一个黑匣子来取代临床推理，而是创建一个能够提供洞察力的模型。 ”
为了达到这一目的，研究人员称将在之后进行深入研究与验证， “使用更多数据对模型进行进一步改造，增强其预测能力，使其成为一个有用的工具。 ”
文章来源：Genetic Engineering&Biotechnology News ， Imaging Technology News ， Comouters ， Materials&Continua
【「人工智能」中美科学家联手用AI抗疫！预判轻症转重症准确率达80%】 感谢阅读。点击关注上船，带你浪在科技前沿~