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
发布时间: 2020-07-30
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。
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。
KPHZ国际技术转移中心致力于搭建促进国际技术转移的专业化服务平台。中心成立专家委员会，为引入的资源服务平台把关，中心以电子信息、智能制造、新材料、新能源、生物医药、节能环保等技术领域为关注重点，先进技术引进和技术转移包括美国、英国、德国等国家。KPHZ整合优质资源，提供专业的国际技术转移服务，通过技术授权、技术转让、技术咨询、技术服务、投融资服务等模式，实现“孵化成果、孵化企业”，促进企业高新技术产业化发展。
