人民網北京7月21日電 （呂騫）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行早期分診。這項研究在2020年7月15日發布於國際期刊《Nature》子刊《Nature Communications》。

這項名為《深度學習在新冠肺炎危重患者早期分診中的應用》的研究，基於人工智能深度學習所建立的生存模型，對COVID-19患者入院時的10項臨床特征進行分析，可以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，預測結果會更加准確，有助於監測患者住院期間的風險趨勢。

這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合實驗室的成果之一，今年2月27日，雙方宣布達成合作，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。

據悉，這項研究成果不僅通過微信小程序向國內臨床醫護人員開放，也通過Github向全球開源，以支持全球抗擊新冠疫情。醫護人員隻需輸入患者的臨床特征，重症早期分診系統就可以返回患者在5、10和30天內病情發展至危重的概率，進而對患者進行早期分診，對於COVID-19疾病的管理具有極高的臨床和經濟價值。

臨床研究顯示，輕度的COVID-19患者通常是自限性的，即疾病在發生發展到一定程度后，靠機體調節能夠控制病情發展並逐漸恢復痊愈。但6.5％的患者有突然進展為嚴重疾病的趨勢，這些重症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症是抗疫工作中主要關注的問題，盡早識別有重病風險的患者並早期進行干預，對於患者預后的改善至關重要。同時早期識別不同風險的患者進行有效分類，也有利於醫療資源的高效合理分配，確保最有重症風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時更是至關重要。

然而，准確預測患者進展至重症的風險並非易事。研究團隊發現，臨床中與此相關的患者特征多達74個，這使採用傳統方法建立准確的預測模型難以實現。但大數據與人工智能的發展將不可能變為可能，大數據及人工智能聯合實驗室團隊以騰訊AI Lab技術為核心，通過機器學習選擇變量算法，確定了十個患者特征指標，包括X線影像異常、年齡、呼吸困難、慢性阻塞性肺病、合並症數量、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。這個模型可以根據COVID-19患者入院時的臨床特征，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証，評估模型預測結果精准度的一致性指數（C指數）為0.894，較未進行深度學習的經典Cox模型的0.876有所提升，更顯著高於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。三個獨立隊列測試中，C指數展現的重症模型預測與實際發生一致性分別為0.878、0.769和0.967，排除10個臨床特征參數缺失超過3個以上患者后的隊列測試模型預測與實際發生一致性分別為0.890、0.852和0.967，顯示深度學習生存Cox模型的准確預測具有普適性。

這個AI預測系統較傳統預測模型還有其他的優勢，包括應用當中自動填補缺失數據而進行預測，以應對不同地區和醫院的實際情況，以及可以隨著應用數據的增加而不斷進化，准確性可以進一步提高。

分享讓更多人看到