AI也能预测新冠重症患者了。
钟南山院士团队与腾讯AI Lab一起，共同研发了一个预测COVID-19患者病情发展的AI模型。
这个模型可以分别预测5天、10天和30天内病情危重的概率，能更合理地对病人分别进行诊治。
众所周知，轻度的新冠患者通常是自限性的。
自限性，指疾病在发展到一定程度后，靠着机体调节控制病情发展、并逐渐恢复痊愈。
但并不是所有人都拥有非常强大的抵抗力。
研究显示，6.5%的新冠患者可能会突然发展为重症患者。
这些忽然转化为重症的患者不仅需要大量的医护资源，而且死亡率高达49%。
因此，尽早识别有重症风险的患者，及早进行病情干预，对于预测病情发展、以及医疗资源高效分配至关重要。
而这个模型，是基于AI对大数据的分析实现的。
基于深度学习的患者数据分析
事实上，准确预测重症患者的风险并非易事。
研究发现，临床上与重症患者相关的特征多达74个，如果要采用传统方法建立预测模型，恐怕难以实现。
经过考量后，团队决定采用深度学习，对大数据进行分析。
之所以采用深度学习，是因为它可以通过神经网络，对特征进行高阶非线性组合，从而更深层次地建立特征与目标函数之间的映射。
为了更精确地建模这10项特征与重症风险的关系，团队采用了结合Cox生存分析算法与LASSO算法的方式，来挖掘数据之中的隐含联系，进而计算病人的重症风险系数。
数据表明，研究团队一共对来自全国575家医院的1590名患者的数据进行了建模。
最终，经过分析，团队确定了10项能很好预测重症风险的患者特征：
10项特征包括：年龄、是否气促、是否有恶性肿瘤病史、是否有慢性肺阻、合并症数量、是否有 X 光平片异常、血液中性粒细胞与淋巴细胞比例、血液乳酸脱氢酶含量、血液直接胆红素含量、血液肌酸激酶含量。
这10项特征都可以通过正常检测途径获得，可用于预测重症病情的风险。
从这10项特征的单因素进行分析，可以发现，年龄是新冠肺炎发展至重症最大的风险之一。
事实上，超过60岁的新冠患者，病情发展成重症的概率明显更高。（老人更要保护好自己）
直观了解风险系数
研究团队在训练好的模型基础上，增加了一层线性Cox模型，便于产生可供医生解读的最终结果。
这层线性模型会按重要性，分别对深度学习模型的预测值与10项特征的值赋予不同的权重，并通过求和，得到最终风险系数。
模型可以通过诺模图手动进行计算。
诺模图，在临床上经常被用来综合各项数值换算最终评估分数。
通过诺模图，医生可以很直观地了解各项观察值与风险系数之间的关系，同时也可以在没有电脑的情况下手动计算风险系数。
上图是基于训练好的模型，对一位新冠肺炎患者的身体数据进行分析后，所得到的诺模图。
可以看见，这名患者的总体诺模图分数为 209，未来 5、10、30 天的总体重症概率分别为 0.58、0.62、0.69，因此被归类为有较高的重症风险。
更好的预测效果
实验证明，这个AI模型相比于此前的经典Cox模型，具有更高的预测准确性。
经过训练，模型在测试集上的准确性（C-index）从0.876提升到了0.894，AUC（用于衡量检测方法真实性）从 0.889 提升到了 0.911。
不仅如此，采用这种模型对另外1393个外部检验患者的数据进行分析后，发现预测的效果非常好。
在这1393个患者中，共有106个患者发展成重症，只有2例数据异常的患者被错误地划分到了低风险组。
除此之外，研究团队还对不同地理区域、卫生资源的三组数据进行了测试，包括武汉940例、湖北省武汉市以外的地区380例，以及广东73例，准确性分别为0.878、0.769和0.967。
排除10个临床特征参数缺失超过3个以上的患者后，准确性上升为0.890、0.852和0.967，表明这项模型具有很好的普适性。
除此之外，这个AI预测模型还有更多优势，例如可以自动填补缺失的数据，以及可以随着应用数据的增加而不断进化，令准确性再一步提高。
研究于2020年7月15日发表在国际顶级期刊「Nature」的子刊「Nature Communications」上，目前已开源。（项目链接见文末）
感兴趣的小伙伴们，可以戳下方传送门查看项目代码~
作者介绍
一作有两位，分别是梁文华博士与姚建华博士。
梁文华博士，来自广州医科大学附属第一医院，专业方向为肺癌及肺部结节的综合诊治，尤其基因检测、靶向治疗及免疫治疗、术后跟踪等。
姚建华博士来自腾讯AI Lab，目前在医疗中心就任首席科学家。
与此同时，钟南山院士、广州呼吸健康研究院院长何建行、腾讯AI Lab医疗中心负责人黄俊洲也为共同作者。
传送门
项目链接：https://github.com/cojocchen/covid19_critically_ill
网站链接：https://aihealthcare.tencent.com/COVID19-Triage_en.html
“
