AI表明哪些癥狀可能是COVID19的主要指標(biāo)

在本周Arxiv.org上發(fā)表的一篇預(yù)印論文中，來自梅奧診所(Mayo Clinic)和Nference的一組研究人員報告稱，他們已經(jīng)使用人工智能分離出了的表型特征。他們聲稱，咳嗽、腹瀉、嗅覺喪失(味覺或嗅覺喪失)和過度出汗的特定組合，構(gòu)成了最早的電子醫(yī)療記錄——covid19的一些特征，這些特征在檢測前4到7天就出現(xiàn)了。

聯(lián)合作者的方法可以用來發(fā)現(xiàn)和分類的早期病例，也許可以減輕醫(yī)院不堪重負的負擔(dān)。雖然目前還沒有治愈的方法，但初步研究表明，早期診斷可以顯著改善健康結(jié)果。

為了進行分析，研究小組使用了一個自然語言處理系統(tǒng)，該系統(tǒng)旨在自動識別疾病、藥物、表型和其他實體;量化這些實體之間的上下文關(guān)聯(lián)的強度;并將每個聯(lián)想歸類為“積極的”、“消極的”或“其他的”。它整合了谷歌的Transformer架構(gòu)，其中包含神經(jīng)元(數(shù)學(xué)函數(shù))，它們按層排列，傳輸來自數(shù)據(jù)的信號，并調(diào)整每個連接的強度(權(quán)重)。所有的人工智能模型都是通過這種方式進行預(yù)測的，但變形金剛的獨特之處在于，它將每個輸出元素都連接到每個輸入元素上。每個元素之間的權(quán)重是動態(tài)計算的。

該系統(tǒng)吸收了來自梅奧診所的8,22,9092份電子病歷臨床記錄，其中14,967名患者接受了PCR檢測，這是一種用于檢測抗原存在的檢測形式(數(shù)據(jù)集中的272名患者被證實有covid19)。癥狀和假定的癥狀均取自于進行PCR檢測前幾周和檢測后幾周的記錄。

ai提取的信息顯示，在PCR檢測前一周，43例covid -19陽性患者(15.8%)出現(xiàn)腹瀉，而822例covid -19陰性患者(5.6%)出現(xiàn)腹瀉。味覺或嗅覺的改變或減弱在covid19患者中也被放大，同樣，在較小程度上，過度出汗(31例，占11.4%)、疲勞(37例，占13.6%)、頭痛(35例，占12.9%)和咳嗽也被放大。有趣的是，盡管有相反的證據(jù)，發(fā)熱和寒顫被發(fā)現(xiàn)對的患者有一定程度的非特異性，至少在這個患者群體中- 24.6%的陽性患者在PCR檢測前一周有發(fā)熱，而18.6%的陰性患者有發(fā)熱。

在對數(shù)據(jù)的進一步分析中，在251例27種表型的關(guān)聯(lián)中，covid -19陽性和covid -19陰性的患者中，有兩種表型(1)咳嗽和腹瀉，(2)出汗和腹瀉，被發(fā)現(xiàn)“特別顯著”。“咳嗽和腹瀉同時發(fā)生在36例伴有covid19的患者(13.2%)和486例未伴有covid19的患者(3.3%)中，顯示了4倍的放大，而出汗和腹瀉同時發(fā)生在21例伴有covid19的患者(7.7%)和204例未伴有covid19的患者(1.4%)中。