COVID-19:n kliininen tila, joka liittyy tuloksen vakavuuteen: valvomaton koneoppimismenetelmä

COVID-19-pandemian alun jälkeen 195 miljoonaa ihmistä on saanut tartunnan ja 4,2 miljoonaa on kuollut tautiin tai sen sivuvaikutuksiin. Lääkärit, terveydenhuollon tutkijat ja lääkintähenkilöstö yrittävät jatkuvasti käsitellä ylikuormitettuja sairaalahoitoa, samalla kun he yrittävät tunnistaa merkityksellisiä korrelaatioita tartunnan saaneiden potilaiden vakavuuden ja oireiden, rinnakkaissairauksien ja biomarkkereiden välillä. Tekoälyä (AI) ja koneoppimista (ML) on viime aikoina käytetty monilla COVID-19-terveydenhuoltoon liittyvillä aloilla. Päätavoitteena on hallita tehokkaasti monenlaisia ​​COVID-19:ään ja sen seurauksiin liittyviä asioita. Nykyiset ML:n sovellukset COVID-19-terveydenhuollossa perustuvat valvottuun luokitukseen, joka edellyttää merkittyä harjoitustietoaineistoa, joka toimii vertailukohtana oppimiselle, sekä ennalta määritettyjä luokkia. Nykyinen tieto COVID-19:stä ja sen seurauksista ei kuitenkaan ole vielä vankkaa, ja eri tiedeyhteisöjen yhteiset kohdat ovat edelleen epäselviä.

Siksi tässä tutkimuksessa pyrittiin noudattamaan ohjaamatonta klusterointimenetelmää, jossa aiempaa tietoa ei vaadita (tabula rasa).

Tarkemmin sanottuna 268 sairaalahoidossa olevaa potilasta Thessalonikin AHEPA-yliopistosairaalan ensimmäisessä sisätautiosastossa arvioitiin 40 kliinisen muuttujan (numeerisen ja kategorisen) perusteella, mikä johti korkean ulottuvuuden tietoaineistoon. Dimensioiden vähentäminen suoritettiin soveltamalla pääkomponenttianalyysiä (PCA) aineiston numeeriseen osuuteen ja Multiple Correspondence Analysis (MCA) -analyysiä tietojoukon kategorisessa osassa. Sitten Bayesian Information Criterion (BIC) -kriteeriä sovellettiin Gaussin sekoitusmalleihin (GMM) optimaalisen klustereiden lukumäärän tunnistamiseksi, jonka alla potilaat ryhmitellään parhaiten.

Ehdotettu menetelmä tunnisti 4 potilasryhmää, joilla oli samanlaiset kliiniset ominaisuudet. Analyysi paljasti joukon oireettomia potilaita, jotka johtivat kuolemaan 23,8 %:lla.

Tämä silmiinpistävä tulos pakottaa meidät pohtimaan uudelleen COVID-19:n kliinisten oireiden vakavuuden ja potilaiden kuolleisuuden välistä suhdetta.