依據(jù)此模型開發(fā)出的預(yù)測工具“COVID-19患者重癥早期分診系統(tǒng)”已經(jīng)在線公開。

鐘南山院士團(tuán)隊與騰訊AI Lab日前披露了利用AI預(yù)測COVID-19患者病情發(fā)展至危重概率的研究成果，可分別預(yù)測5天、10天和30天內(nèi)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(xí)在新冠肺炎危重患者早期分診中的應(yīng)用》的研究，是鐘南山院士團(tuán)隊與騰訊公司共同成立的大數(shù)據(jù)及人工智能聯(lián)合實驗室的成果之一。

第一作者分別是廣州呼吸健康研究院院長助理梁文華博士，以及騰訊AI Lab醫(yī)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何建行、騰訊AI Lab醫(yī)療中心負(fù)責(zé)人黃俊洲均為共同作者。

騰訊大數(shù)據(jù)及人工智能聯(lián)合實驗室副主任、騰訊醫(yī)療副總裁吳文達(dá)醫(yī)生指出，當(dāng)前新冠肺炎疫情在全球持續(xù)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(shù)據(jù)、人工智能等新技術(shù)，以及騰訊海量的用戶觸達(dá)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(xí)所建立的生存模型，對COVID-19患者入院時的10項臨床特征進(jìn)行分析，可以幫助預(yù)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(xù)采用此模型進(jìn)行分析，預(yù)測結(jié)果會更加準(zhǔn)確，有助于監(jiān)測患者住院期間的風(fēng)險趨勢。

依據(jù)此模型開發(fā)出的預(yù)測工具“COVID-19患者重癥早期分診系統(tǒng)”已經(jīng)在線公開（點擊鏈接查看），臨床醫(yī)護(hù)工作人員也可以訪問微信小程序獲得這一工具。

醫(yī)護(hù)人員只需輸入患者的臨床特征，重癥早期分診系統(tǒng)就可以返回患者在5、10和30天內(nèi)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(jì)價值。

同時，這項研究成果也通過Github向全球開源，以支持全球抗擊新冠疫情，Github開源項目查詢鏈接為https://github.com/cojocchen/covid19_critically_ill。

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(jī)體調(diào)節(jié)能夠控制病情發(fā)展并逐漸恢復(fù)痊愈。但6.5％的患者有突然進(jìn)展為嚴(yán)重疾病的趨勢，這些重癥病例不但需要大量的醫(yī)療護(hù)理資源，其死亡率也高達(dá)49％。

因此患者突然惡化為重癥是抗疫工作中主要關(guān)注的問題，盡早識別有重病風(fēng)險的患者并早期進(jìn)行干預(yù)，對于患者預(yù)后的改善至關(guān)重要。

同時早期識別不同風(fēng)險的患者進(jìn)行有效分類，也有利于醫(yī)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(yī)療及護(hù)理，這種能力在疫情大規(guī)模爆發(fā)時更是至關(guān)重要。

然而，準(zhǔn)確預(yù)測患者進(jìn)展至重癥的風(fēng)險并非易事。

研究團(tuán)隊發(fā)現(xiàn)，臨床中與此相關(guān)的患者特征多達(dá)74個，這使采用傳統(tǒng)方法建立準(zhǔn)確的預(yù)測模型難以實現(xiàn)。

但大數(shù)據(jù)與人工智能的發(fā)展將不可能變?yōu)榭赡?，大?shù)據(jù)及人工智能聯(lián)合實驗室團(tuán)隊以騰訊AI Lab技術(shù)為核心，通過機(jī)器學(xué)習(xí)選擇變量算法，確定了十個患者特征指標(biāo)，包括X線影像異常、年齡、呼吸困難、慢性阻塞性肺病、合并癥數(shù)量、癌癥病史、中性粒細(xì)胞/淋巴細(xì)胞比、乳酸脫氫酶、直接膽紅素和肌酸激酶，以來自575個醫(yī)療中心的1590名COVID-19患者病例進(jìn)行模型訓(xùn)練，進(jìn)而開發(fā)出深度學(xué)習(xí)生存Cox模型。

這個模型可以根據(jù)COVID-19患者入院時的臨床特征，預(yù)測病情發(fā)展至危重病的風(fēng)險。

研究團(tuán)隊還對深度學(xué)習(xí)生存Cox模型的一致性進(jìn)行了驗證，評估模型預(yù)測結(jié)果精準(zhǔn)度的一致性指數(shù)（C指數(shù)）為0.894，較未進(jìn)行深度學(xué)習(xí)的經(jīng)典Cox模型的0.876有所提升，更顯著高于CURB-6模型的0.75。

為測試模型的普適性，研究團(tuán)隊還對不同地理區(qū)域和不同衛(wèi)生資源水平的三個獨立隊列進(jìn)行了模型測試，三個患者隊列涵蓋武漢940例、湖北省武漢市以外地區(qū)380例，以及疫情期間未出現(xiàn)健康資源枯竭的廣東73例，外部測試病例均與模型訓(xùn)練病例范圍不重疊。

三個獨立隊列測試中，C指數(shù)展現(xiàn)的重癥模型預(yù)測與實際發(fā)生一致性分別為0.878、0.769和0.967，排除10個臨床特征參數(shù)缺失超過3個以上患者后的隊列測試模型預(yù)測與實際發(fā)生一致性分別為0.890、0.852和0.967，顯示深度學(xué)習(xí)生存Cox模型的準(zhǔn)確預(yù)測具有普適性。

這個AI預(yù)測系統(tǒng)較傳統(tǒng)預(yù)測模型還有其他的優(yōu)勢，包括應(yīng)用當(dāng)中自動填補(bǔ)缺失數(shù)據(jù)而進(jìn)行預(yù)測，以應(yīng)對不同地區(qū)和醫(yī)院的實際情況，以及可以隨著應(yīng)用數(shù)據(jù)的增加而不斷進(jìn)化，準(zhǔn)確性可以進(jìn)一步提高。

了解到，今年2月27日，鐘南山院士團(tuán)隊與騰訊公司宣布達(dá)成合作，共同成立大數(shù)據(jù)及人工智能聯(lián)合實驗室，攜手持續(xù)抗擊新冠肺炎疫情，將以大數(shù)據(jù)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(yù)警。
責(zé)任編輯:pj