大數據文摘出品html
如何準確預測新冠患者的病情發展，在抗「疫」常態化的如今仍然十分重要。git
根據臨牀研究，輕度COVID-19患者一般可以在疾病發生髮展到必定程度後，靠機體調節控制逐漸痊癒，但有6.5％患者的病情會忽然進展爲嚴重疾病，這些重症病例不但須要大量的醫療護理資源，死亡率也高達49％。github
可否利用大數據和AI技術，作好COVID-19患者的病情預測，對於醫護工做者和技術人員來講，都是一項挑戰。算法
日前，鍾南山院士團隊與騰訊AI Lab披露了利用AI預測COVID-19患者病情發展至危重機率的研究成果，可分別預測5天、10天和30天內病情危重的機率，有助合理地爲病人進行早期分診。小程序
這項名爲《深度學習在新冠肺炎危重患者早期分診中的應用》的研究已在2020年7月15日發佈於國際頂級期刊Nature子刊Nature Communications。微信小程序
論文連接：安全
https://www.nature.com/articles/s41467-020-17280-8微信
此項研究基於人工智能深度學習所創建的生存模型，對COVID-19患者入院時的10項臨牀特徵進行分析，能夠幫助預測患者發展至危重病情的風險，如在患者住院期間持續採用此模型進行分析，有助於監測患者住院期間的風險趨勢。機器學習
依據此模型開發出的預測工具「COVID-19患者重症早期分診系統」已經在線公開：工具
https://aihealthcare.tencent.com/COVID19-Triage_en.html
臨牀醫護工做人員也能夠訪問微信小程序得到這一工具：
進入該小程序後，醫護人員只需輸入患者的臨牀特徵，重症早期分診系統就能夠返回患者在五、10和30天內病情發展至危重的機率，進而對患者進行早期分診，對於COVID-19疾病的管理具備極高的臨牀和經濟價值。
這項研究成果也在GitHub進行了開源：
https://github.com/cojocchen/covid19_critically_ill
新冠患者的重症惡化是須要關注的主要問題
儘管咱們都知道，患者病情惡化爲重症在整個抗疫工做都是值得主要關注的問題，儘早識別有重病風險的患者並早期進行干預，對於患者後續的改善相當重要。
然而，準確預測患者進展至重症的風險並不是易事。研究團隊發現，臨牀中與此相關的患者特徵多達74個，這使採用傳統方法創建準確的預測模型難以實現。
不過，隨着現在大數據與人工智能的發展，如此量級的數據處理也逐漸變得可能。
大數據及人工智能聯合實驗室團隊以騰訊AI Lab技術爲核心，經過機器學習選擇變量算法，肯定了十個患者特徵指標，包括X線影像異常、年齡、呼吸困難、慢性阻塞性肺病、合併症數量、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，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。這個模型能夠根據COVID-19患者入院時的臨牀特徵，預測病情發展至危重病的風險。
研究團隊還對深度學習生存Cox模型的一致性進行了驗證，評估模型預測結果精準度的一致性指數（C指數）爲0.894，較未進行深度學習的經典Cox模型的0.876有所提高，更顯著高於CURB-6模型的0.75。
爲測試模型的普適性，研究團隊還對不一樣地理區域和不一樣衛生資源水平的三個獨立隊列進行了模型測試，三個患者隊列涵蓋武漢940例、湖北省武漢市之外地區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範圍不重疊。
三個獨立隊列測試中，C指數展示的重症模型預測與實際發生一致性分別爲0.87八、0.769和0.967，排除10個臨牀特徵參數缺失超過3個以上患者後的隊列測試模型預測與實際發生一致性分別爲0.890、0.852和0.967，顯示深度學習生存Cox模型的準確預測具備普適性。
這個AI預測系統較傳統預測模型還有其餘的優點，包括應用當中自動填補缺失數據而進行預測，以應對不一樣地區和醫院的實際狀況，以及能夠隨着應用數據的增長而不斷進化，準確性能夠進一步提升。
大數據與人工智能在抗「疫」中發揮着愈來愈重要的做用
今年2月27日，鍾南山院士團隊與騰訊公司宣佈達成合做，共同成立大數據及人工智能聯合實驗室，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。
這項研究就是鍾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的成果之一。
大數據及人工智能聯合實驗室副主任、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、下降患者死亡風險，還是取得抗疫勝利的關鍵，但願大數據、人工智能等新技術，以及騰訊海量的用戶觸達能力，騰訊雲安全、快速部署的能力，可以在抗疫常態化中發揮做用，更有效地防控流行病疫情。