Klinisches und radiomisches Modell von COVID-19

Im Dezember 2019 trat in Wuhan, China, ein neuartiges Coronavirus auf, das schwere akute respiratorische Syndrom Coronavirus 2 (SARS-CoV-2; früher als 2019-nCoV bezeichnet). Die durch SARS-CoV-2 verursachte Krankheit ist COVID-19. Bis zum 8. März 2020 wurden weltweit mehr als 100.000 COVID-19-Patienten gemeldet (mehr als 80.000 Fälle in China, mehr als 20.000 in anderen Ländern) und 3.600 Patienten (3.100 in China, 500 außerhalb). China) sind gestorben. Der Ausbruch von COVID-19 stellt eine gesundheitliche Notlage von internationaler Tragweite dar.

Unter den COVID-19-Patienten sind etwa 80 % Patienten mit einer leichten (nicht schweren) Erkrankung, die in der Regel innerhalb von zwei Wochen abheilt. Bei weiteren 20 % der Patienten kann es jedoch zu einer schweren oder kritischen Erkrankung kommen, die zu einem längeren Krankenhausaufenthalt führt, und die Sterblichkeitsrate dieser Patienten liegt bei 13,4 %. Daher ist die frühzeitige Identifizierung von Hochrisikopatienten für das Patientenmanagement und die Zuweisung medizinischer Ressourcen äußerst wichtig. Für die meisten nicht schweren Patienten können eine allgemeine Quarantäne und eine symptomatische Behandlung angewendet werden, während für schwere Patienten ein höheres Pflegeniveau und ein grüner Kanal zur Intensivstation (ICU) hilfreich sind. Frühere Studien haben die klinischen und radiologischen Merkmale von Patienten mit schwerer COVID-19-Erkrankung zusammengefasst, wobei noch unklar ist, welche Faktoren wichtige Prädiktoren sind.

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, der es uns ermöglicht, aus den gegebenen Daten Wissen und mögliche Gesetze zu lernen und ein Modell zur Lösung von Problemen zu erstellen, die den menschlichen Bedürfnissen entsprechen. In den letzten Jahren wurde maschinelles Lernen als neuartiges Werkzeug zur Analyse großer Datenmengen aus Krankenakten oder Bildern entwickelt. Frühere Modellierungsstudien konzentrierten sich auf die Vorhersage der potenziellen internationalen Ausbreitung von COVID-19.

Unser Ziel ist es daher, ein maschinelles Lernmodell zu entwickeln und zu validieren, das auf klinischen, labortechnischen und radiologischen Merkmalen allein oder in Kombination von COVID-19-Patienten im Frühstadium ohne schwere Erkrankung aus mehreren Zentren basiert, um schwere (oder kritische) Erkrankungen vorherzusagen. Krankheit im folgenden Krankenhausaufenthalt, um die Risikobewertung vor und nach den Symptomen und der Triage (zu Hause, stationär im Krankenhaus oder auf der Intensivstation) zu erleichtern.