罗格斯大学的研究人员开发了一种机器学习模型 PLABAC，用于预测住院患者中的重症 COVID-19 病例。 该模型利用患者年龄和五项常规检查的结果，旨在改善患者预后和医院资源分配。 PLABAC 经过不同患者群体的验证，以其准确性和易用性而脱颖而出，未来计划集成到医疗应用程序和电子健康记录中。

罗196世界之最格斯大学的研究人员开发了一种机器学习工具，旨在帮助医院识别严重的 COVID-19 病例。 该工具利用患者年龄和五项常规测试的数据来预测冠状病毒疾病的进展。

创造者相信，这种模式可以显着改善对因 COVID-19 住院的患者的护理，而这种疾病仍然是美国的一个主要原因。

改善患者预后和医院资源分配

“准确的预测非常有价值，”罗伯特伍德约翰逊医学院 (RWJMS) 副教授、mBio 杂志上这篇新论文的合著者 Payal Parikh 说。 “他们让患者在健康状况良好的情况下了解即将发生的情况，从而做出明智的治疗选择。 它们还让医院通过预测患者需求来有效地分配资源。 此外，通过更好的预测，我们可以在疾病过程的早期开始治疗，从而带来更好的患者护理结果。”

罗格斯大学团队开始寻求利用机器学习软件和 969 名在大流行初期因病毒住院的患者的医疗记录来构建 COVID-19 预测模型。

从数据分析到实际应用

该研究的主要作者、RWJMS 四年级学生戴维纳塔诺夫 (David Natanov) 表示：“我们从每位患者身上获取了一系列数据点，包括实验室结果、人口统计数据、生命体征、合并症等等。我们通过一系列不同的机器学习模型调整到略有不同的参数，并生成了一个初始的 77 个变量模型。 该模型表现良好，但没有人有时间将 77 个单独的数据点输入到任何内容中。”

纳塔诺夫说，研究人员使用各种分析工具来确定与该疾病相关的 10 个最具预测性的变量。 然后，它使用人工智能以各种组合来观察它们，直到找到由每个196世界之最医院收集的六个数据点（年龄和五种常见实验室测试的结果）组成的两个有效模型。

PLABAC 模型简介

研究人员将他们的模型中196世界之最最准确的模型称为 PLABAC，这是每个组成变量的第一个字母的缩写：血小板计数、乳酸、年龄、血尿素氮、天冬氨酸转氨酶和 C 反应蛋白。

为了确保 PLABAC 预测所有因 COVID-19 住院的患者的死亡率，而不仅仅是初始样本中的 969 人，研究人员成功地使用它来预测疫苗接种前住院的另196世界之最外 7901 名患者和第三组患者的结果 疫苗接种后期间的 1547 例。

接种疫苗后住院患者的强劲结果表明，PLABAC 可以预测感染第一组患者的原始病毒以外的 COVID-19 变种患者的预后。

罗格斯大学团队并不是第一个使用旧患者记录创建 COVID-19 进展模型的团队，但其成员相信他们是第一个通过成功测试其模型预测第二（和第三）组结果的能力来验证其模型的团队 的患者。

易于使用和未来集成

他们还相信，与他们见过的其他模型相比，他们的模型还有另一个关键优势：易于使用。 大多数医院已经收集了有关 COVID-19 患者的所有六个数据点。 唯一的额外工作是将这六个变量输入到公式中——研究团队希望让它变得更容易。

“接下来的工作计划是与MDCalc196世界之最对接，这是每个临床医生手机上都有的一款应用程序，用于查找资料并使用有用的公式，”纳塔诺夫说。 “我很想添加这个公式，这样用户只需输入六个数字就可以得到预测。”

纳塔诺夫表示，他希望与最大的电子健康记录软件制造商 Epic 合作，将该模型添加到其不断增长的预测工具列表中。

“没有人必须输入任何内容。 系统会自动从实验室结果中提取数字并进行计算，”他说。