钟南山团队携手腾讯 研发新冠重症AI预测成果登上Nature子刊

本篇文章1707字，读完约4分钟

钟南山院士和腾讯人工智能实验室近日公布了人工智能预测covid-19患者危重病概率的研究成果，可分别预测5天、10天和30天内的危重病概率，有助于早期合理分流患者。这项研究发表在2020年7月15日的《自然通讯》上，这是国际顶级杂志《自然》的一个子期刊。

“深度学习在COVID-19重症肺炎患者早期诊断中的应用”研究是钟南山院士与腾讯联合建立的大数据与人工智能联合实验室的成果之一。第一作者是广州呼吸健康研究所助理所长梁文华博士和腾讯人工智能实验室医学中心首席科学家姚建华博士。钟南山院士、广州呼吸健康研究所所长、腾讯爱实验室医学中心主任黄均为合著者。

大数据与人工智能联合实验室副主任、腾讯医疗副总裁吴文达博士指出，当前COVID-19肺炎疫情仍在全球范围内蔓延，仍是打赢这场疫情的关键。希望大数据、人工智能等新技术，以及腾讯的海量用户访问能力和腾讯云的安全快速部署能力，能够为疫情防控的常态化发挥作用，更有效地防控疫情。

本研究基于人工智能深度学习建立的生存模型，分析了19例covid患者入院时的10项临床特征，有助于预测患者发展为危重症的风险。如果该模型在住院期间持续使用，预测结果将更加准确，有助于监测患者住院期间的风险趋势。

医务人员只需输入患者的临床特征，重症早期分诊系统可以在5、10、30天内返回患者发展到危重状态的概率，然后对患者进行早期分诊，对于covid-19疾病的管理具有极高的临床和经济价值。

临床研究表明，轻度covid-19患者通常是自限性的，即在疾病发生并发展到一定程度后，疾病可以通过身体调节得到控制并逐渐恢复。然而，6.5%的患者有突然发展成严重疾病的趋势。这些重症病例不仅需要大量的医疗资源，而且死亡率高达49%。因此，患者病情突然恶化为重症是防疫工作中的主要关注点。尽早发现有严重疾病风险的患者并尽早进行干预对改善患者预后非常重要。同时，早期识别不同风险患者进行有效分类也有利于医疗资源的高效合理配置，确保风险最大的患者尽快得到最合适的医疗和护理。当疫情大规模爆发时，这种能力甚至更为重要。

然而，要准确预测病人发展成严重疾病的风险并不容易。研究小组发现，临床上与此相关的患者特征多达74个，这使得用传统方法难以建立准确的预测模型。然而，大数据和人工智能的发展是不可能的。大数据与人工智能联合实验室团队以腾讯ai lab技术为核心，通过机器学习选择变量算法确定包括X线图像异常在内的10项患者特征指标。年龄、呼吸困难、慢性阻塞性肺疾病、并发症数量、癌症史、中性粒细胞/淋巴细胞比率、乳酸脱氢酶、直接胆红素和肌酸激酶，来自575个医疗中心的1590名患者，根据入院时covid-19患者的临床特征，该模型可预测疾病发展为危重病的风险。

研究小组还验证了深度学习生存的cox模型的一致性，评价模型预测精度的一致性指数(C指数)为0.894，高于未进行深度学习的经典cox模型的0.876，显著高于curb-6模型的0.75。

为了测试模型的普遍性，研究小组还对三个独立的队列进行了模型测试，这些队列具有不同的地理区域和不同的卫生资源水平。这三个病人队列涵盖了武汉的940个病例、湖北省武汉市外的380个病例和广东省的73个病例，这些病例在疫情期间卫生资源并未耗尽。外部测试用例与模型训练用例的范围没有重叠。在三个独立的队列试验中，C指数揭示的重症疾病模型预测值与实际发生值的一致性分别为0.878、0.769和0.967，排除临床特征参数缺失3个以上的10例患者的队列试验模型预测值与实际发生值的一致性分别为0.890、0.852和0.967，表明深度学习生存考克斯模型的准确预测具有普适性。

与传统的预测模型相比，该人工智能预测系统具有其他优点，包括自动填充缺失数据进行预测，以适应不同地区和医院的实际情况，并随着应用数据的增加而不断发展，进一步提高了预测的准确性。

今年2月27日，钟南山院士与腾讯公司宣布达成合作，共同建立大数据与人工智能联合实验室，继续在COVID-19抗击肺炎疫情。他们将用大数据和人工智能来攻击流行病、呼吸道疾病和胸部疾病的筛查、预防和控制。