medRxiv于3月3日出版了兰州大学第一医院等发表的预印本论文“Machine learning-based CT radiomics model for predicting hospital stay in patients with pneumonia associated with SARS-CoV-2 infection: A multicenter study”。论文旨在开发和测试基于机器学习的CT放射学模型，以预测SARS-CoV-2感染性肺炎患者的住院时间。
文章指出，该项多中心研究的参与者从2020年1月23日至2020年2月8日之间，从安康、丽水、镇江、兰州和临夏5家指定医院招募的52例实验室确诊的SARS-CoV-2感染患者，并将这些患者的初始CT图像纳入研究。研究排除了截至2月20日仍留在医院或CT检查未发现异常的患者。最终的分析纳入了31例患者的72个病变段。在训练和验证数据集中提取的肺部病变特征的基础上，建立了基于logistic回归(LR)和随机森林(RF)的介入CT放射学模型。在肺叶和患者水平的测试数据集中进一步评估了预测性能。主要结果是短期住院（≤10天）和长期住院（> 10天）。
文章指出，研究结果显示，基于6种二级特征的CT放射学模型可有效区分SARS-CoV-2感染性肺炎患者住院时间的长短。文章总结到，基于机器学习的CT放射学模型显示了预测SARS-CoV-2感染性肺炎患者住院时间的可行性和准确性。
*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。
