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

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。

如今高考,得语文者得天下。而语文学习不能一蹴而就,日积月累才是大方向。

这个暑假,全国第一位登上《百家讲坛》的中学语文名师,“线下一课难求”王翔老师首次推出音频课:《经典名句格言90讲》。

90节思维语文音频课
暑期限时折扣89元????

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !

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子刊相关推荐

  1. 钟南山团队携手腾讯研发新冠重症AI预测 成果登上Nature子刊

    钟南山院士团队与腾讯AI Lab日前披露了利用AI预测COVID-19患者病情发展至危重概率的研究成果,可分别预测5天.10天和30天内病情危重的概率,有助合理地为病人进行早期分诊.这项研究已在202 ...

  2. AI研发新药登上Nature子刊:46天合成潜在新药候选分子,比传统方法快15倍 | 开源...

    铜灵 发自 凹非寺 量子位 出品 | 公众号 QbitAI 用AI进行药物开发,可以省下2至3年的研发时间. 最新一期的Nature子刊上,就刊登了这样一项新研究. 这项来自Insilico Medi ...

  3. 组建实验室仅3年,团队人均26岁,这位85后女博导成果登上Nature!

    回国组建实验室仅三年多,她带领一支平均年龄只有26岁的年轻科研团队在植物免疫学领域取得重要进展. >>>> 日前,这位85后上海女科学家.中国科学院分子植物科学卓越创新中心研究 ...

  4. 钟南山团队在患者粪便中检出新冠活病毒,国家卫健委回应!专家:做好这事很重要...

    全世界只有3.14 % 的人关注了 青少年数学之旅 2月13日下午,在广东省人民政府新闻办召开的疫情防控新闻发布会上,钟南山院士团队成员.广州医科大学国家呼吸疾病重点实验室副主任.教授赵金存介绍,该团 ...

  5. 潘建伟团队最新研究成果登上Nature:首次实现1120公里长距离无中继纠缠量子密钥分发...

    鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 量子通信,又获里程碑式突破. 这一次,依然来自潘建伟教授团队-- "墨子号"量子科学实验卫星,实现了1120公里长距离无 ...

  6. 腾讯 AI Lab 联合研究登上Nature子刊,独创方法提升蛋白质结构预测精度

    感谢阅读腾讯 AI Lab 微信号第109篇文章.本文将公布 AI+药物领域新进展. 11月17日,腾讯公布了一项人工智能助力药物发现的新进展. 通过腾讯自研的提升蛋白质结构预测精度的新方法,联合研究 ...

  7. AI实时筛查癌细胞,普通显微镜简单改装就能用,谷歌新突破登上Nature子刊

    安妮 一璞 发自 凹非寺 量子位 出品 | 公众号 QbitAI 检测号称人类健康头号杀手癌症,现在实现了质的飞跃. 一个偏远小镇的乡村诊所,现在也有机会用AI,采用人机结合的方式,筛查出难度极高的淋 ...

  8. 北大新研究用数学模型揭网红崛起奥秘!登上Nature子刊

      视学算法报道   编辑:David [新智元导读]社交媒体上的「网红」是怎样产生的?在一项发表于<自然·通讯>的研究中,北京大学与瑞士苏黎世联邦理工大学领导的研究团队合作,通过数学模型 ...

  9. 用反向传播算法解释大脑学习过程?Hinton 等人新研究登上 Nature 子刊

    机器之心报道 魔王.Jamin.杜伟 反向传播可以解释大脑学习吗?近日 Hinton 等人的研究认为,尽管大脑可能未实现字面形式的反向传播,但是反向传播的部分特征与理解大脑中的学习具备很强的关联性.该 ...

最新文章

  1. 5.什么是二叉查找树?原理
  2. ashx获取客户端excel文件_Spring Boot实现导出Excel功能
  3. [转] 爱情的隐式马尔可夫模型(Love in the Hidden Markov Model)
  4. JDK+Tomcat搭建JSP运行环境--JSP基础
  5. ComponentOne FlexGrid for WinForms 中文版快速入门(9)—过滤
  6. 【Kafka】kafka zk下注册的信息 get /brokers/ids/1 “host“:null “port“:-1
  7. 【机器学习】鸢尾花数据探索
  8. 在Winform中屏蔽UnityWebPlayer的右键以及自带Logo解决方案整理
  9. alisql mysql_AliSQL 5.6.32 vs MySQL 5.7.15抢鲜测试
  10. Canon EOS Utility安装和使用说明
  11. C语言图书购销管理系统流程图,图书销售管理系统C语言程序报告精选.doc
  12. java 黑盒测试_关于黑盒测试的总结
  13. python学习群发邮件
  14. 分蛋糕、思路视频(动态规划)
  15. 孩子发烧,别急着降温
  16. Dynamo 如何生成管道
  17. java中JAO_JVM内部细节之一:synchronized关键字及实现细节(轻量级锁Lightweight Locking)...
  18. Java序列化与反序列化(一)
  19. SQLite sqlite_master
  20. Redis实现抢红包

热门文章

  1. LOGO创意-IT行业-随记
  2. Mac清理系统用什么软件?
  3. foxmail怎么群发邮件
  4. linux下进程管理的原理,Linux进程管理:supervisor和nohup原理及使用
  5. 关于Android SD卡
  6. 一分钟详解线结构光扫描系统
  7. HTML5利用canvas画布绘制哆啦A梦
  8. 【LeetCode】﹝并查集ி﹞连通分量个数(套用模板一直爽)
  9. 微信小程序内跳转公众号
  10. 发明专利费用减缓需要哪些资料?