根據發(fā)表在《自然機器》上的論文，機器學(xué)習工具選擇了三種生物標志物，即乳酸脫氫酶，淋巴細胞和高敏感性C反應蛋白水平，這些標志物可以從中國485名武漢感染者的血液樣本中預測COVID-19患者的死亡率。智力。這些工具可以以90%以上的準確率預測單個(gè)患者在其結果之前十多天的死亡率。

對患者的COVID-19嚴重程度進(jìn)行快速，準確和早期的臨床評估至關(guān)重要。但是，目前尚無(wú)可預測的生物標志物來(lái)區分需要立即就醫的患者并評估其相關(guān)死亡率。

葉媛，李巖的同事分析了來(lái)自中國武漢的485例患者的血液樣本，以鑒定出強有力的有意義的死亡風(fēng)險標記。在2020年1月10日至2月18日期間從同濟醫院的患者收集的樣本用于模型開(kāi)發(fā)。在分析的375例病例中，有201例從COVID-19中康復并出院，其余174例患者死亡。

作者設計了一種基于機器學(xué)習算法的數學(xué)建模方法，該算法旨在識別最能預測患者死亡率的生物標志物。該問(wèn)題被表述為分類(lèi)任務(wù)，其中的輸入內容包括基本信息，癥狀，血液樣本以及實(shí)驗室檢查的結果，包括肝功能，腎功能，凝血功能，電解質(zhì)和炎性因子，取自普通，重癥和重癥患者。該模型選擇了乳酸脫氫酶(LDH)，淋巴細胞和高敏感性C反應蛋白水平作為區分處于危險中的患者的最關(guān)鍵的生物標志物。該發(fā)現與當前醫學(xué)知識一致，即僅高LDH水平與各種疾病(包括肺部疾病，如肺炎)中發(fā)生的組織分解有關(guān)。大多數患者在住院期間都采集了多個(gè)血液樣本。但是，該模型僅使用患者最終樣本中的數據。然而，該模型可以應用于所有其他血液樣本，并且可以估計生物標志物的預測潛力。

作者得出的結論是，他們的模型提供了簡(jiǎn)單，可解釋和直觀(guān)的臨床測試，可以準確，快速地量化死亡風(fēng)險。他們還暗示淋巴細胞(一種白細胞)可以作為潛在的治療靶點(diǎn)，這得到了臨床研究的支持。他們指出，隨著(zhù)可用數據的增加，將需要重復此過(guò)程以提高準確性。