首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >钟南山团队携手腾讯研发新冠重症AI预测模型,成果登上Nature子刊

钟南山团队携手腾讯研发新冠重症AI预测模型,成果登上Nature子刊

作者头像
量子位
发布2020-07-24 10:13:53
4800
发布2020-07-24 10:13:53
举报
文章被收录于专栏:量子位量子位
萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI

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

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-07-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 基于深度学习的患者数据分析
  • 直观了解风险系数
  • 更好的预测效果
  • 作者介绍
  • 传送门
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档