一種基于機器學(xué)習(xí)算法的數(shù)學(xué)建模方法

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

對患者的COVID-19嚴(yán)重程度進行快速，準(zhǔn)確和早期的臨床評估至關(guān)重要。但是，目前尚無可預(yù)測的生物標(biāo)志物來區(qū)分需要立即就醫(yī)的患者并評估其相關(guān)死亡率。

葉媛，李巖的同事分析了來自中國武漢的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(biāo)記。在2020年1月10日至2月18日期間從同濟醫(yī)院的患者收集的樣本用于模型開發(fā)。在分析的375例病例中，有201例從COVID-19中康復(fù)并出院，其余174例患者死亡。

作者設(shè)計了一種基于機器學(xué)習(xí)算法的數(shù)學(xué)建模方法，該算法旨在識別最能預(yù)測患者死亡率的生物標(biāo)志物。該問題被表述為分類任務(wù)，其中的輸入內(nèi)容包括基本信息，癥狀，血液樣本以及實驗室檢查的結(jié)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(xì)胞和高敏感性C反應(yīng)蛋白水平作為區(qū)分處于危險中的患者的最關(guān)鍵的生物標(biāo)志物。該發(fā)現(xiàn)與當(dāng)前醫(yī)學(xué)知識一致，即僅高LDH水平與各種疾?。òǚ尾考膊。绶窝祝┲邪l(fā)生的組織分解有關(guān)。大多數(shù)患者在住院期間都采集了多個血液樣本。但是，該模型僅使用患者最終樣本中的數(shù)據(jù)。然而，該模型可以應(yīng)用于所有其他血液樣本，并且可以估計生物標(biāo)志物的預(yù)測潛力。

作者得出的結(jié)論是，他們的模型提供了簡單，可解釋和直觀的臨床測試，可以準(zhǔn)確，快速地量化死亡風(fēng)險。他們還暗示淋巴細(xì)胞（一種白細(xì)胞）可以作為潛在的治療靶點，這得到了臨床研究的支持。他們指出，隨著可用數(shù)據(jù)的增加，將需要重復(fù)此過程以提高準(zhǔn)確性。