鐘南山院士團隊與騰訊 AI Lab 日前披露了利用 AI 預測 COVID-19 患者病情發(fā)展至危重概率的研究成果，可分別預測 5 天、10 天和 30 天內病情危重的概率，有助合理地為病人進(jìn)行早期分診。這項研究已在 2020 年 7 月 15 日發(fā)布于國際頂級期刊《Nature》子刊《Nature Communications》。

　　這項名為《深度學(xué)習在新冠肺炎危重患者早期分診中的應用》的研究，是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(lián)合實(shí)驗室的成果之一，第一作者分別是廣州呼吸健康研究院院長(cháng)助理梁文華博士，以及騰訊 AI Lab 醫療中心首席科學(xué)家姚建華博士，鐘南山院士、廣州呼吸健康研究院院長(cháng)何建行、騰訊 AI Lab 醫療中心負責人黃俊洲均為共同作者。

　　大數據及人工智能聯(lián)合實(shí)驗室副主任、騰訊醫療副總裁吳文達醫生指出，當前新冠肺炎疫情在全球持續蔓延，高效抗疫、降低患者死亡風(fēng)險，仍是取得抗疫勝利的關(guān)鍵，希望大數據、人工智能等新技術(shù)，以及騰訊海量的用戶(hù)觸達能力，騰訊云安全、快速部署的能力，能夠在抗疫常態(tài)化中發(fā)揮作用，更有效地防控流行病疫情。

　　此項研究基于人工智能深度學(xué)習所建立的生存模型，對 COVID-19 患者入院時(shí)的 10 項臨床特征進(jìn)行分析，可以幫助預測患者發(fā)展至危重病情的風(fēng)險，如在患者住院期間持續采用此模型進(jìn)行分析，預測結果會(huì )更加準確，有助于監測患者住院期間的風(fēng)險趨勢。依據此模型開(kāi)發(fā)出的預測工具“COVID-19 患者重癥早期分診系統”已經(jīng)在線(xiàn)公開(kāi)于 https://aihealthcare.tencent.com/COVID19-Triage_en.html，臨床醫護工作人員也可以訪(fǎng)問(wèn)微信小程序獲得這一工具。

　　醫護人員只需輸入患者的臨床特征，重癥早期分診系統就可以返回患者在5、10 和 30 天內病情發(fā)展至危重的概率，進(jìn)而對患者進(jìn)行早期分診，對于 COVID-19 疾病的管理具有極高的臨床和經(jīng)濟價(jià)值。

　　同時(shí)，這項研究成果也通過(guò) Github 向全球開(kāi)源，以支持全球抗擊新冠疫情。

　　臨床研究顯示，輕度的 COVID-19 患者通常是自限性的，即疾病在發(fā)生發(fā)展到一定程度后，靠機體調節能夠控制病情發(fā)展并逐漸恢復痊愈。但 6.5% 的患者有突然進(jìn)展為嚴重疾病的趨勢，這些重癥病例不但需要大量的醫療護理資源，其死亡率也高達 49%。因此患者突然惡化為重癥是抗疫工作中主要關(guān)注的問(wèn)題，盡早識別有重病風(fēng)險的患者并早期進(jìn)行干預，對于患者預后的改善至關(guān)重要。同時(shí)早期識別不同風(fēng)險的患者進(jìn)行有效分類(lèi)，也有利于醫療資源的高效合理分配，確保最有重癥風(fēng)險的患者盡快得到最合適的醫療及護理，這種能力在疫情大規模爆發(fā)時(shí)更是至關(guān)重要。

　　然而，準確預測患者進(jìn)展至重癥的風(fēng)險并非易事。研究團隊發(fā)現，臨床中與此相關(guān)的患者特征多達 74 個(gè)，這使采用傳統方法建立準確的預測模型難以實(shí)現。但大數據與人工智能的發(fā)展將不可能變?yōu)榭赡?，大數據及人工智能?lián)合實(shí)驗室團隊以騰訊 AI Lab 技術(shù)為核心，通過(guò)機器學(xué)習選擇變量算法，確定了十個(gè)患者特征指標，包括X線(xiàn)影像異常、年齡、呼吸困難、慢性阻塞性肺病、合并癥數量、癌癥病史、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，以來(lái)自 575 個(gè)醫療中心的 1590 名 COVID-19 患者病例進(jìn)行模型訓練，進(jìn)而開(kāi)發(fā)出深度學(xué)習生存 Cox 模型。這個(gè)模型可以根據 COVID-19 患者入院時(shí)的臨床特征，預測病情發(fā)展至危重病的風(fēng)險。

　　研究團隊還對深度學(xué)習生存 Cox 模型的一致性進(jìn)行了驗證，評估模型預測結果精準度的一致性指數(C指數)為 0.894，較未進(jìn)行深度學(xué)習的經(jīng)典 Cox 模型的 0.876 有所提升，更顯著(zhù)高于 CURB-6 模型的 0.75。

　　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三個(gè)獨立隊列進(jìn)行了模型測試，三個(gè)患者隊列涵蓋武漢 940 例、湖北省武漢市以外地區 380 例，以及疫情期間未出現健康資源枯竭的廣東 73 例，外部測試病例均與模型訓練病例范圍不重疊。三個(gè)獨立隊列測試中，C指數展現的重癥模型預測與實(shí)際發(fā)生一致性分別為 0.878、0.769 和 0.967，排除 10 個(gè)臨床特征參數缺失超過(guò) 3 個(gè)以上患者后的隊列測試模型預測與實(shí)際發(fā)生一致性分別為 0.890、0.852 和 0.967，顯示深度學(xué)習生存 Cox 模型的準確預測具有普適性。

　　這個(gè) AI 預測系統較傳統預測模型還有其他的優(yōu)勢，包括應用當中自動(dòng)填補缺失數據而進(jìn)行預測，以應對不同地區和醫院的實(shí)際情況，以及可以隨著(zhù)應用數據的增加而不斷進(jìn)化，準確性可以進(jìn)一步提高。

　　今年 2 月 27 日，鐘南山院士團隊與騰訊公司宣布達成合作，共同成立大數據及人工智能聯(lián)合實(shí)驗室，攜手持續抗擊新冠肺炎疫情，將以大數據及人工智能攻堅流行病、呼吸疾病和胸部疾病的篩查和防控預警。
　?。?a href="http://www.lsbmaoyi.com/website/">邯鄲網(wǎng)站制作）