罗格斯大学的研究人员开发了一种机器学习模型PLABAC，用于预测住院患者的严重COVID-19病例。该模型利用患者年龄和五项常规检查结果，旨在改善患者预后和医院资源配置。经过不同患者群体的验证，PLABAC以其准确性和易用性而脱颖而出，未来将整合到医疗应用程序和电子健康记录中。
罗格斯大学的研究人员开发了一种机器学习工具，旨在帮助医院识别严重的COVID-19病例。该工具利用患者年龄和五项常规检查的数据来预测冠状病毒疾病的进展。
研究人员认为，这种模式可以显著提高对COVID-19住院患者的护理，COVID-19仍然是美国的主要死亡原因。
改善患者预后与医院资源配置
罗伯特伍德约翰逊医学院(RWJMS)副教授、《mBio》杂志上这篇新论文的合著者Payal Parikh说:“准确的预后是非常有价值的。”“他们让患者了解即将发生的事情，同时他们仍然健康，可以做出明智的治疗选择。它们还能让医院通过预测病人的需求来有效地分配资源。此外，有了更好的预测，我们可以在疾病过程的早期开始治疗，从而带来更好的患者护理结果。”
罗格斯大学的研究小组开始寻求用机器学习软件和969名在大流行早期因该病毒住院的人的医疗记录建立一个COVID-19预测模型。
从数据分析到实际应用
“我们从每个病人身上收集了大量的数据点——实验室结果、人口统计、生命体征、合并症等等，”大卫·纳塔诺夫(David Natanov)说，他是RWJMS的四年级学生，也是这项研究的主要作者。“我们通过一系列不同的机器学习模型来调整稍微不同的参数，并生成了一个初始的77个变量模型。这个模型表现得很好，但没有人有时间在任何东西中输入77个单独的数据点。”
纳塔诺夫说，研究人员使用了各种分析工具来确定与该疾病相关的10个最具预测性的变量。然后，它使用人工智能来观察他们的各种组合，直到找到两个有效的模型，由每家医院收集的六个数据点(年龄和五项常见实验室测试的结果)组成。
介绍PLABAC模型
研究人员将他们最准确的模型命名为PLABAC，这是每个组成变量的首字母缩写:血小板计数、乳酸、年龄、血尿素氮、天冬氨酸转氨酶和c反应蛋白。
为了确保PLABAC预测所有COVID-19住院患者的死亡率，而不仅仅是初始样本中的969人，研究人员成功地使用它来预测疫苗接种前住院的另外7901名患者和疫苗接种后住院的第三组1547名患者的结果。
在接种疫苗后住院患者中的强有力结果表明，PLABAC可以预测感染第一组患者的原始病毒以外的COVID-19变体患者的预后。
罗格斯大学的团队并不是第一个使用旧患者记录创建COVID-19进展模型的团队，但其成员认为，他们是第一个通过成功测试其预测第二组(和第三组)患者结果的能力来验证模型的团队。
易用性和未来的集成
他们还认为，与他们见过的其他模式相比，他们的模式还有另一个关键优势:易于使用。大多数医院已经收集了COVID-19患者的所有六个数据点。唯一额外的工作就是把这六个变量输入到公式中——研究小组希望能让它变得更容易。
纳塔诺夫说:“我计划向MDCalc求助，这是一个每个临床医生手机上都有的应用程序，可以查找资料并使用有用的公式。”“我希望能增加这个公式，这样用户只需输入六个数字就能得到预测结果。”
Natanov表示，他希望与最大的电子健康记录软件制造商Epic合作，将这种模式添加到其不断增长的预测工具列表中。
“没有人需要输入任何东西。系统会自动从实验室结果中提取数字并进行计算。”
参考文献:David Natanov、Byron Avihai、Erin McDonnell、Eileen Lee、Brennan Cook、Nicole Altomare、Tomohiro Ko和Martin J. Blaser撰写的《基于早期状态预测住院患者COVID-19预后》，2023年9月8日，mBio。DOI: 10.1128 / mbio。分享tweet reddit电子邮件分享
以前的文章
更多关于sciitechdaily
物理
化学
物理
健康
空间
生物学
科学
健康
