钟南山团队携手腾讯研发新冠重症AI预测

本篇文章1546字，读完约4分钟

人民网北京7月21日电(吕倩)钟南山院士和腾讯人工智能实验室近日公布了利用人工智能预测covid-19患者危重病概率的研究结果，该研究可分别预测5天、10天和30天内的危重病概率，有助于早期合理分流患者。这项研究发表在2020年7月15日的国际期刊《自然通讯》上。

“深度学习在covid-19重症肺炎患者早期分流中的应用”研究，基于人工智能深度学习建立的生存模型，分析了covid-19患者入院时的10个临床特征，有助于预测患者发展为危重病的风险。如果在住院期间持续使用该模型进行分析，预测结果将更加准确，这有助于监控患者住院期间的风险趋势。

这是钟南山院士与腾讯共同建立的大数据与人工智能联合实验室的成果之一。今年2月27日，双方宣布达成合作，共同建立大数据和人工智能联合实验室，共同努力，持续抗击COVID-19中的肺炎疫情，利用大数据和人工智能解决传染病、呼吸系统疾病和胸部疾病的筛查、预防和控制。

据报道，这一研究成果不仅通过微信小程序向国内临床医务人员开放，还通过github向世界开放，以支持全球抗击COVID-19疫情。医务人员只需输入患者的临床特征，重症早期分诊系统可以在5、10、30天内返回患者发展到危重状态的概率，然后对患者进行早期分诊，对于covid-19疾病的管理具有极高的临床和经济价值。

临床研究表明，轻度covid-19患者通常是自限性的，即在疾病发生并发展到一定程度后，疾病可以通过身体调节得到控制并逐渐恢复。然而，6.5%的患者有突然发展成严重疾病的趋势。这些重症病例不仅需要大量的医疗资源，而且死亡率高达49%。因此，患者病情突然恶化为重症是防疫工作中的主要关注点。尽早发现有严重疾病风险的患者并尽早进行干预对改善患者预后非常重要。同时，及早识别不同风险患者进行有效分类也有利于医疗资源的高效合理配置，确保风险最大的患者尽快得到最合适的医疗护理，这在疫情大规模爆发时更为重要。

然而，要准确预测病人发展成严重疾病的风险并不容易。研究小组发现，临床上与此相关的患者特征多达74个，这使得用传统方法难以建立准确的预测模型。然而，大数据和人工智能的发展是不可能的。大数据与人工智能联合实验室团队以腾讯ai lab技术为核心，通过机器学习选择变量算法确定包括X线图像异常在内的10项患者特征指标。年龄、呼吸困难、慢性阻塞性肺疾病、并发症数量、癌症史、中性粒细胞/淋巴细胞比率、乳酸脱氢酶、直接胆红素和肌酸激酶，来自575个医疗中心的1590名患者，根据入院时covid-19患者的临床特征，该模型可预测疾病发展为危重病的风险。

研究小组还验证了深度学习生存的cox模型的一致性，评价模型预测精度的一致性指数(C指数)为0.894，高于未进行深度学习的经典cox模型的0.876，显著高于curb-6模型的0.75。

为了测试模型的普遍性，研究小组还对三个独立的队列进行了模型测试，这些队列具有不同的地理区域和不同的卫生资源水平。这三个病人队列涵盖了武汉的940个病例、湖北省武汉市外的380个病例和广东省的73个病例，这些病例在疫情期间卫生资源并未耗尽。外部测试用例与模型训练用例的范围没有重叠。在三个独立的队列试验中，C指数揭示的重症疾病模型预测值与实际发生值的一致性分别为0.878、0.769和0.967，排除临床特征参数缺失3个以上的10例患者的队列试验模型预测值与实际发生值的一致性分别为0.890、0.852和0.967，表明深度学习生存考克斯模型的准确预测具有普适性。

与传统的预测模型相比，该人工智能预测系统还具有其他优点，包括自动填充缺失数据进行预测，以适应不同地区和医院的实际情况，并随着应用数据的增加而不断发展，进一步提高了预测精度。

来源：搜狐微门户