应用多基因遗传编程来预测COVID-19的预后,使用常规的血液学变量

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 临床预后 临床预后

背景情况:

• 识别严重的COVID-19病例对于个性化治疗和资源分配至关重要.
• 先进的人工智能 (AI) 工具为改善患者预后预测提供了潜力.
• 之前的研究已经探索了影响COVID-19严重程度的各种因素.

研究的目的:

• 利用多基因遗传编程 (MGGP) 来识别COVID-19患者预后中的关键实验室预测因素.
• 开发人工智能驱动的模型来预测COVID-19患者的死亡率,住院时间和ICU入院时间.
• 评估特定实验室参数,如BUN和AST在COVID-19结果中的重要性.

主要方法:

• 一项涉及1455名COVID-19患者 (727名男性,728名女性) 的回顾性研究.
• 数据收集包括人口统计,实验室测试,住院时间,ICU入院和死亡率.
• 使用MGGP构建预测模型,将数据规范化并分为训练和测试集. 进行了敏感性分析.

主要成果:

• MGGP准确预测了COVID-19患者的死亡率 (60-92%),住院时间 (53-65%) 和ICU入院 (76-91%).
• 敏感性分析强调血液尿素 (BUN) 和酸氨基转移酶 (AST) 是关键的预后指标.
• 使用常见的血液学入院测试开发了特定性别的预测模型.

结论:

• 像MGGP这样的AI技术在COVID-19患者的分拣和预后预测中是有效的.
• BUN和AST水平与COVID-19的预后有很大关系,因此需要进一步调查它们的病理生理学作用.
• 这项研究表明,人工智能在利用常规实验室数据在传染病中的临床决策方面具有实用性.