西奈山的研究人员已经开发出机器学习模型，该模型可以预测在临床相关的时间范围内COVID-19患者发生严重事件和死亡的可能性。这项研究描述的新模型是第一个将机器学习用于大量不同人群中的COVID-19患者的风险预测的模型，并于11月6日发表在《Journal of Medical Internet Research》杂志上。该模型可以帮助西奈山的临床医生以及在全球范围内对COVID-19患者的护理和管理。
“从最初在纽约市爆发COVID-19以来，我们发现COVID-19的呈现方式和疾病过程是异质化的，我们已经使用患者数据构建了机器学习模型来预测结果，” 该研究的主要研究者之一，西奈山伊坎医学院遗传与基因组科学助理教授Benjamin Glicksberg博士说道： “现在，在第二波疫情的早期阶段，我们已经比以前有了更好的准备。我们目前正在评估这些模型如何帮助临床医生在实践中管理患者的护理。”
在3月至5月使用西奈山卫生系统五家医院收治的4,000多名成年患者的电子健康记录进行的回顾性研究中，来自MSCIC的研究人员和临床医生分析了COVID-19患者的特征，包括既往病史，合并症，生命体征以及入院时的实验室测试结果，以预测关键事件，例如在各种临床相关时间窗内的插管和死亡率，这些事件可以预测患者住院期间的短期和中期风险。
研究人员使用这些模型预测入院后3、5、7和10天的时间窗内的关键事件或死亡率。在一周的时间里，总体表现最佳，正确地标记了最关键的事件，同时返回了最少的假阳性结果，急性肾损伤，呼吸急促，高血糖和乳酸脱氢酶（LDH）升高是表明组织损伤或疾病的原因。预测重大疾病的最强驱动力。年龄较大，血液水平失衡以及表明炎症的C反应蛋白水平是预测死亡率的最强因素。
“我们通过机器学习创建了高性能的预测模型，以改善西奈山对我们患者的护理。更重要的是，我们创建了一种方法，该方法可以识别重要的健康标志物，从而推动对急性护理预后的可能性评估，并且可以被全世界的卫生机构用来改善医师和医院一级的护理决策，并更有效地管理患者。”
1.时间：2020年3月17日
2.机构或团队：华中科技大学、武汉科技大学、卢森堡系统生物医学中心、剑桥大学
3.事件概要：
medRxiv预印平台于3月17日发表了华中科技大学等的题为“A machine learning-based model for survival prediction in patients with severe COVID-19 infection”的文章。文章称，COVID-19病例的突然增加给全世界的医疗系统带来了巨大的压力。在当前阶段，快速、准确和早期的临床评估疾病的严重程度至关重要。文章利用了来自武汉地区404名感染患者的血液样本数据库，以确定能预测疾病严重程度的重要生物标志物，最终机器学习工具选择了三种生物标志物来预测个体患者的生存率，准确性超过90％：乳酸脱氢酶（LDH），淋巴细胞和高敏C反应蛋白（hs-CRP）。文章指出，特别是LDH水平，较高的LDH水平似乎在区分绝大多数需要立即就医的病例中起着至关重要的作用。该发现与当前医学知识一致，即高LDH水平与各种疾病（包括肺部疾病，如肺炎）中发生的组织分解有关。总体而言，文章提出了一个简单且可操作的公式，可以用于快速预测处于最高风险的患者，从而使他们优先获得治疗，从而降低死亡率。
*注，本文为预印本论文手稿，是未经同行评审的初步报告，其观点仅供科研同行交流，并不是结论性内容，请使用者谨慎使用。
4.附件：
原文链接：https://www.medrxiv.org/content/10.1101/2020.02.27.20028027v3
