通过使用AI驱动的决策支持系统来预测COVID-19的严重程度并确定最佳干预措施，研究人员分析了5,371名被南佛罗里达一家医院收治的患者电子健康记录数据。
季节性流感、呼吸道合胞病毒（RSV）和COVID-19正在全美各地传播。这些呼吸道疾病引发了广泛的健康担忧，在全国各地区都有病例报告。
来自佛罗里达大西洋大学（Florida Atlantic University）Christine E. Lynn护理学院和工程与计算机科学学院的研究人员，与纪念医疗系统（Memorial Healthcare System）合作，正在推动医疗保健领域的创新，提高决策能力，最终改善个人和群体的健康结果。
为了预测疫情期间COVID-19的严重程度和最佳治疗干预措施，研究人员建立了一个AI驱动的决策支持系统，该系统通过识别影响住院患者疾病结局的关键特征来进行预测。
具体而言，该研究专注于预测重症监护病房（ICU）是否有机械通气需求或中度护理病房（IMCU）的入院需求。目标是利用这些特征实现更快、更准确的治疗计划预测，从而防止危重情况恶化。
在这项研究中，研究人员分析了2020年3月至2021年1月期间因COVID-19入住南佛罗里达一家医院的5,371名患者的电子健康记录（EHR）数据。他们训练了三个随机森林模型，使用包括社会人口统计学、合并症和药物在内的24个变量来预测机械通气、ICU和IMCU入院情况。分析集中在入院时收集的数据。
研究结果发表于2024年秋季的《诊断学》杂志上，显示了以下因素在三个结果中最重要预测因子中的重叠：年龄、种族、性别、体重指数（BMI）、腹泻、糖尿病、高血压、早期肾病和肺炎。
研究人员还发现，65岁及以上的“老年人”、男性、当前吸烟者以及BMI分类为“超重”和“肥胖”的人群患病严重程度的风险更高。该研究还探讨了风险因素共存下的疾病严重程度。
德巴什·达塔（Debarshi Datta）博士说：“这是少数几项使用机器学习解释方法探索这些风险因素之间相互作用的研究之一。例如，肺炎与糖尿病结合会增加机械通气风险，而腹泻与糖尿病强烈互动会影响ICU入院。” 达塔是佛罗里达大西洋大学Christine E. Lynn护理学院的高级作者和助理教授。“IMCU严重程度与老年人的腹泻和肺炎以及高血压组合有关。此外，像血管紧张素II受体阻滞剂和ACE抑制剂等药物似乎降低了疾病严重程度，这与先前关于其保护作用的研究一致。”
模型解释中确定的最重要特征来自“社会人口统计学特征”、“入院前合并症”和“药物”类别。然而，“入院前合并症”在不同关键条件下发挥了重要作用。除了单个特征的重要性外，特征之间的相互作用也为在疫情期间患者激增时需要紧急治疗计划的情况下预测最可能的结果提供了关键信息。
与早期研究相比，这种新方法通过使用易于获得的电子健康记录数据，并结合机器学习解释技术和传统统计方法，使人们能够更深入地了解年龄、性别、BMI和合并症（如糖尿病和高血压）在不同严重程度水平上的特征。
大卫·纽曼（David Newman）博士说：“虽然其他研究使用了生物标志物，但它们的临床可访问性有限，因此我们的发现对现实世界中的医疗应用更为实用。” 纽曼是佛罗里达大西洋大学Christine E. Lynn护理学院的共同作者、教授和统计学家。“通过识别影响COVID-19结局的关键因素和相互作用，我们的研究为改善患者护理和支持医疗系统在高需求条件下的运作提供了可操作的见解。”
重要的是，AI/机器学习在医疗保健中的应用不仅限于COVID-19疾病，它有望改进各种医学专业和医疗环境中的诊断、治疗选择、疾病监测和患者结果。这一知识使公共卫生当局能够积极规划和实施有针对性的干预措施，减轻疾病爆发的影响并优化医疗交付。
德巴什·达塔说：“开发一种AI驱动的决策支持系统来预测COVID-19住院患者的关键临床事件，不仅满足了大流行期间的紧迫需求，还在医疗保健领域的AI和机器学习方面开辟了新的天地。” “通过利用先进的技术和算法，如机器学习，研究人员和临床医生可以利用数据驱动的见解来革新患者护理。”
(全文结束)
