In der Krankheitsvorhersage leistet maschinelles Lernen zunehmend zuverlässige Hilfe für Menschen. Während der Epidemie wurde vorhergesagt, dass Patienten mit neuartiger Coronavirus-Lungenentzündung die Überlebensrate durch maschinelles Lernen lernen würden. Im März 2020 wurde die neuartige Coronavirus-Pneumonie von Forschern des Tongji Hospital des Tongji Medical College, der Huazhong University of Science and Technology, der School of Artificial Intelligence and Automation der University of Cambridge School of Plant Sciences unter Verwendung des interpretierbaren maschinellen Lernalgorithmus vorhergesagt. Die Ergebnisse zeigten, dass die Biomarker zur Vorhersage der Überlebensrate von Patienten mit neuer Kronenpneumonie im März 2020 aufgedeckt wurden.
Blutproben von Patienten mit neuartiger Coronavirus-Lungenentzündung, die in das Wuhan Tongji Hospital eingeliefert wurden, wurden retrospektiv gesammelt und analysiert. Ergebnisse: 404 Patienten mit Lungenentzündung wurden in das Wuhan Tongji Krankenhaus eingeliefert. Durch maschinelle Lernwerkzeuge wählte das Forschungsteam schließlich drei Biomarker aus, um die Überlebensrate einzelner Patienten mit einer Genauigkeit von mehr als 90% vorherzusagen: LDH (Laktatdehydrogenase), Lymphozyten und hs CRP (hochempfindliches C-reaktives Protein). Insbesondere kann nur der hohe LDH-Spiegel verwendet werden, um die überwiegende Mehrheit der Fälle zu unterscheiden, die eine sofortige medizinische Behandlung erfordern.
Forscher der neuartigen Coronavirus-Pneumonie haben auch erfolgreich Plasmaprotein verwendet, um die Überlebensrate von Patienten mit neuer Kronenpneumonie in Berlin vorherzusagen, was einige Wochen früher ist als die Ergebnisse.
Konkret wurden bei der neuartigen Coronavirus-Pneumonie 321 Proteine in 349 Proben analysiert, die aus zwei Blutproben von zwei unabhängigen medizinischen Zentren in Deutschland und Österreich entnommen wurden. Anschließend werden spezifische Methoden des maschinellen Lernens verwendet, um den Zusammenhang zwischen den gemessenen Proteinen und dem Überleben des Patienten zu finden.
15 Patienten in der Kohorte starben; Die durchschnittliche Zeit von der Aufnahme bis zum Tod betrug 28 Tage. Bei den überlebenden Patienten betrug die mediane Aufenthaltsdauer 63 Tage. Die Forscher identifizierten 14 Proteine, die sich im Laufe der Zeit in die entgegengesetzte Richtung veränderten, verglichen mit Patienten, die auf der Intensivstation nicht überleben konnten.
Das Team entwickelte dann ein maschinelles Lernmodell, um das Überleben basierend auf einer einzigen Point-in-Time-Messung verwandter Proteine vorherzusagen, und testete das Modell in einer unabhängigen Validierungskohorte von 24 schweren Covid-19-Patienten. Das Modell zeigte eine genaue Vorhersagefähigkeit in dieser Kohorte und sagte die Ergebnisse von 18 Überlebenden und 5 Todesfällen bei 19 Patienten korrekt voraus.
Es ist eine unbestreitbare Tatsache, dass maschinelles Lernen in das Leben der Menschen eingetreten ist. Mit der kontinuierlichen Verbesserung des technischen Niveaus wird maschinelles Lernen den Menschen zunehmend Unterstützung bieten, die über die menschliche Macht hinausgeht. Für die Errungenschaften des maschinellen Lernens kamen die Forscher zu dem Schluss, dass Blutproteintests, wenn sie in einer größeren Warteschlange verifiziert werden, dazu beitragen können, Patienten mit dem höchsten Sterberisiko zu identifizieren und zu testen, ob eine Behandlung die Vorhersagespur eines einzelnen Patienten verändert.
