基于多个机器学习算法和常规血液测试的COVID-19早期风险评估系统的开发:现实世界的研究研究
Qiangqiang Qin1, Qingxuan Li2, Guiyin Zhu1
1Department of Respiratory Medicine, Xinhua Hospital, Shanghai Jiaotong University School of Medicine, Shanghai, China.
Frontiers in immunology
|October 15, 2024
概括
一个新的机器学习 (ML) 模型准确地预测了COVID-19患者的预后,特别是在老年人身上. 这种风险评估系统有助于个性化医疗,并优化医疗保健资源分配.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 流行病学 流行病学
背景情况:
- 由于COVID-19的流行,全球医疗保健系统和经济受到压力.
- 对COVID-19患者的早期风险评估对于有效管理至关重要.
- 机器学习 (ML) 为改善患者分类和个性化医疗提供了潜力.
研究的目的:
- 开发和验证一种基于ML的新型风险评估系统,用于COVID-19患者的预后.
- 将开发模型的性能与现有的评分系统进行比较.
- 根据风险得分对患者进行分层,以改善临床决策.
主要方法:
- 一项使用培训,验证和独立测试队伍的回顾性研究.
- 开发一个结合stepcox和survivalSVM ML算法的模型.
- 将模型的预测性能 (C指数,AUC) 与其他ML组合和已建立的评分系统 (例如CURB-65) 的比较.
主要成果:
- 合并的stepcox和survivalSVM模型显示出高的预测准确性 (C指数为0.840培训,0.815验证).
- 该模型在119个ML组合中获得了最高的C指数,并以0.778.8的AUC超越了现有的评分系统.
- 根据风险得分分层分的分层显示了生存状况的显著差异,表明了一个强大的新系统. 脑梗塞病史与较高的死亡风险有关.
结论:
- 已经建立了一个基于ML的新,高度准确的COVID-19预后风险评估系统.
- 该系统对老年COVID-19患者特别有效,并与预测,预防和个性化医学 (PPPM) 框架保持一致.
- 这种ML模型可以实现分层的患者管理,并促进有效利用医疗保健资源.
