机器学习模型使用血液测试来预测COVID-19
根据本周在《开放式报道》上发表的一项新研究PLOS数字健康由Charité的Florian Kurth和Markus Ralser撰写的 - 德国柏林和同事。
世界各地的医疗保健系统都在努力容纳需要特殊医疗护理的严重病重的患者，尤其是当他们被确定为高风险时。临床上建立的重症监护医学的风险评估，例如沙发或Apache II，仅在预测Covid-19的未来疾病结果方面仅显示有限的可靠性。
在新研究中，研究人员研究了321种蛋白质的水平血液样本在德国和奥地利的两个独立卫生保健中心接受治疗的50名重症患者中，以349个时间点拍摄。使用机器学习方法来寻找测量的蛋白质与患者生存之间的关联。
队列中的15名患者死亡；从入院到死亡的平均时间为28天。对于存活的患者，住院时间中位时间为63天。研究人员确定了14种蛋白质，随着时间的流逝，相反的方向与未在重症监护中生存的患者相比，生存的患者。然后团队开发了一个机器学习模型根据相关蛋白的单个时间点测量来预测生存，并在24个重症患者的独立验证队列上测试了该模型。这模型在这一队列上表现出很高的预测能力，可以正确预测19例存活的19例患者中的18例和5例死亡的患者（AUROC = 1.0，p = 0.000047）的结果。
研究人员得出的结论是血液蛋白质测试如果在较大的队列中进行了验证，则可能对确定具有最高死亡率风险的患者以及测试给定治疗是否会改变单个患者的预计轨迹。
更多信息：Demichev V，Tober-Lau P，Nazarenko T，Lemke O，Kaur Aulakh S，Whitwell H等。（2022）重症监护室中COVID-19患者的蛋白质组学生存预测因子。PLOS数字健康1（1）：E0000007。doi.org/10.1371/journal.pdig.000077
由...提供公共图书馆
引用：机器学习模型使用血液测试预测COVID-19的生存（2022年1月18日），于2022年9月21日从//www.pyrotek-europe.com/news/2022-01-machine-blood-covid-survival.html检索
本文件受版权保护。除了出于私人研究或研究目的的任何公平交易之外，未经书面许可，不得复制任何部分。内容仅供参考。
