腾讯 AI 预测 COVID-19 患者病情发展至危重概率，助力疫情防控
目前，COVID-19疫情仍在蔓延，全球确诊病例超过1437万，死亡人数超过60万，存在进一步疫情暴发的风险。在感染COVID-19的患者中，大多数有轻度至中度症状，但也有一些患者病情最初稳定，但会迅速恶化，面临更高的健康风险。因此，快速识别此类具有重症潜在风险的患者对于抗击疫情具有重要意义。7月21日，腾讯披露了其在医疗健康领域的最新进展。钟南山院士团队与腾讯AI Lab联合发布了一项研究成果，利用AI预测COVID-19患者发展为重症的概率。进行早期分类。
与传统衡量肺炎严重程度的CURB-6模型和没有深度学习的经典Cox模型相比，联合研究团队提出的深度学习生存Cox模型具有更高的预测精度。通过回顾1393名外部患者的测试数据，模型的预测性能也得到了实践的验证，证明了模型的可靠性和有效性。
该研究于2020年7月15日发表在国际顶级期刊《子刊》上。研究成果也已通过网站服务和微信小程序全面开放，相关机构可免费快速调用。同时，模型代码也正在全球开源，帮助世界战胜COVID-19疫情。
该研究名为“Early of-Ill COVID-19 using Deep”（早期的-Ill COVID-19 using Deep），是钟南山院士团队与腾讯联合建立的大数据和人工智能联合实验。实验室成果之一，第一作者为广州呼吸健康研究院院长助理梁文华博士、腾讯AI Lab医学中心首席科学家姚建华博士、钟南山院士、何建兴、广州呼吸健康研究院院长、腾讯AI实验室医学中心主任黄俊洲均为共同作者。
在该研究项目中，联合研究团队首先结合Cox生存分析算法和LASSO算法，对全国575家医院的1590名患者的脱敏入院数据进行分析和建模，找出了10个可以很好预测的项目。重症风险患者特征，即年龄、是否呼吸急促、是否有恶性肿瘤病史、是否有慢性肺梗阻、合并症数量、是否有X光片异常、血中性粒细胞淋巴细胞比率、血乳酸脱氢酶含量、血直接胆红素含量、血肌酸激酶含量。这10个特征可以通过常规医学检测方法在合理的时间内有效获得，因此可以用于早期快速预测患者患严重疾病的风险。
对训练队列中 10 个选定特征的单变量分析表明，年龄是重症 COVID-19 最重要的危险因素之一；事实上，60岁以上的患者患重症的概率明显更高
https://files.cn-healthcare.com/upload/20230117/wximg/41391673911298288
为了更准确地建模这10个特征与重症风险之间的关系，研究团队利用最新的深度学习技术挖掘数据中的隐含联系，进而计算出患者的重症风险系数。具体来说，研究团队使用基于深度学习的生存分析Cox算法对这10个指标进行建模。与传统经典方法相比，深度学习的优势在于可以通过神经网络对特征进行高阶非线性组合，从而建立特征与目标函数之间更深层次的映射。训练完成后，利用设计模型在验证集上的C指数（即一致性指数（index of））来评价模型的预测精度，通过评价模型预测结果与实际观测的一致程度结果。值越接近1，准确度越高）从0.876（线性模型）增加到0.894，AUC（指受试者工作特征曲线下的面积，该值在1.0到0.5之间，在AUC> 0.5，AUC越接近1，诊断效果越好）从0.889增加到0.911。
此外，在另外 1393 名外部检查患者的回顾性数据分析中，使用该模型获得了令人满意的预测性能。在外部测试集中的106名病情严重的患者中，只有2名数据异常的患者被错误地划入低风险组。同时，该模型在不同中心数据上得到的C指数均高于0.85，证明了模型的可靠性和有效性。
不仅如此，研究团队还考虑到了实践中数据不完整的情况，即模型所需的10个特征中的一些特征可能没有被测量到。原因可能包括接收医院不具备检测条件或相关医疗资源极其紧张。为了解决这个问题，研究团队在系统中添加了多变量数据插值模块，利用可观测变量寻找相似样本作为参考，并使用拟合算法对缺失值进行插值。另一方面，为了提高模型的鲁棒性，研究团队在训练深度模型的过程中还采用了随机丢弃数据、添加数据噪声的实用方法。基于这些数据增强策略，最终模型在仅观察到 7 个特征时仍然可以实现非常好的性能。
当然，一项技术只有真正应用起来才具有真正的价值。研究团队在深度Cox模型的基础上添加了一层线性Cox模型，以产生可供医生解读的最终结果。该线性模型根据重要性为深度学习模型的预测值和10个特征的值赋予不同的权重，然后通过求和得到最终的风险系数。这种线性模型可以通过列线图手动计算，并且由于其方便，临床上经常使用它来组合各种值来转换最终的评估分数。通过列线图，医生可以直观地了解每个观察值与风险系数之间的关系，也可以在没有计算机的情况下手动计算风险系数。
基于深度学习的生存分析Cox算法对一名COVID-19患者获得的列线图。可以看出，患者总体列线图评分为209**，未来5**、10、**30天重病总体概率分别为0.58**、0.62、**0.69** ，因此该患者被归类为患有严重疾病的较高风险。
为了造福患者，让一线医生尽快将相关成果应用于临床研究，研究团队快速开发部署了网站服务和微信小程序。用户通过平台提交相应特性的测量值，即可立即获得分析结果。为了助力全球抗击疫情，团队发表了相关论文，并将模型开源。
腾讯AI实验室与广州呼吸健康研究院联合发布的COVID-19重症概率计算工具截图。该工具使用简单，使用成本几乎为零。它还提供英文版本，帮助全世界（特别是医疗资源有限的地区）抗击疫情。
https://inews.gtimg.com/om_bt/OcbXi5gCmN3jdIM0nmjoAW7GkxZQY5Iv92r5nGY9xool4AA/641
科技的力量在这场全球抗疫行动中不断得到展现。基于数据分析和人工智能的技术方法在疫情预测与防控、风险群体评估、相关药物研发、疫苗研发等应用中发挥了重要作用。 。这个由腾讯AI实验室、广州呼吸健康研究院等研究机构和医院联合研发的COVID-19重症风险预测系统，是探索科技抗疫的又一成果。可以预见，未来数据分析和人工智能将在医疗实践（特别是突发疫情的防控）中发挥更大的作用。
腾讯AI Lab自2017年开始AI+医疗探索，不断拓展和深化研究与应用，涵盖影像筛查、病理诊断、药物研发等多个领域。在研究领域，腾讯AI Lab的论文多次入选RSNA、RSNA等顶级学术会议，自主研发的算法荣获国际权威测试平台冠军。在应用领域，腾讯AI Lab深度参与并主导了多项应用的推广，包括与腾讯国民影像产品“腾讯觅影”、医学科普平台“腾讯医学词典”等提供支持并联合合作。 ，辅助诊断和指导产品。合作伙伴研发的国内首台智能显微镜获药监局批准临床应用，AI驱动的药物研发平台“云神智能医学”发布。在国家新基建背景下，腾讯AI Lab利用大数据挖掘、机器学习等先进技术优势，推动人工智能与医疗行业深度融合，助力社会整体医疗健康水平的提升。
随附的：
型号代码：
网站服务：
微信小程序：
页:
[1]