鐘南山團隊攜手騰訊利用AI預測新冠重癥
記者7月21日從騰訊公司獲悉，由中國工程院院士鐘南山團隊和騰訊AI Lab聯合開展的一項“利用人工智能（AI）預測COVID-19患者病情發展至危重概率”的研究成果，已于日前在《自然—通訊》發表。
該論文是鐘南山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。在這項名為《深度學習在新冠肺炎危重患者早期分診中的應用》的研究中，聯合團隊建立的模型可以分別預測COVID-19患者5天、10天和30天內病情危重的概率，模型預測結果精準度的一致性指數達0.894，有助于合理為病人進行早期分診。
臨床顯示，輕度COVID-19患者通常是自限性的，即疾病在發展到一定程度后，靠機體調節能夠控制病情并逐漸恢復痊愈；但6.5％的患者有突然進展為嚴重疾病的趨勢。這些重癥病例不但需要大量的醫護資源，其死亡率也高達49％。因此，患者突然惡化為重癥是值得分外關注的問題。然而，準確預測患者重癥風險并非易事——研究發現，與此相關的臨床特征多達74個，這使采用傳統方法建立準確的預測模型難以實現。
但大數據與人工智能的應用將這一難題變得可能。大數據及人工智能聯合實驗室團隊通過機器學習選擇變量算法，確定了10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、合并癥數量、癌癥病史、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。該模型可以根據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。
研究團隊進一步對深度學習生存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）為0.894，較未進行深度學習的經典Cox模型的0.876有所提升，顯著高于CURB-6模型的0.75。
研究團隊還對不同地理區位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。在三個獨立隊列測試中，C指數展現的重癥模型預測與實際發生一致性分別為0.878、0.769和0.967，顯示出該模型的準確預測具有普適性。
論文指出，醫護人員只需輸入患者的臨床特征，基于深度學習生存Cox模型的重癥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。
研究人員表示，盡早識別有重病風險的患者并進行早期干預，不僅對于患者的預后改善至關重要，還有利于醫療資源的合理分配，確保有重癥風險的患者得到及時的醫療及護理，這在疫情大規模暴發時尤其重要。
目前，依據此模型開發出的預測工具“COVID-19患者重癥早期分診系統”已經在線公開，臨床醫護工作者也可以搜索“預測危重COVID19工具”微信小程序獲得這一預測能力。
據了解，大數據及人工智能聯合實驗室于今年2月27日由鐘南山團隊與騰訊公司共同成立。該實驗室研究重點圍繞“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”展開。
