転帰の重症度に関連する COVID-19 の臨床状態: 教師なし機械学習アプローチ

新型コロナウイルス感染症（ＣＯＶＩＤ－１９）のパンデミックが始まって以来、１億９５００万人が感染し、この病気やその副作用で４２０万人が死亡した。 医師、医療科学者、医療スタッフは、過負荷の入院患者への対応に継続的に努める一方、それと並行して、感染患者の重症度と症状、併存疾患、バイオマーカーとの間の意味のある相関関係を特定しようと努めている。 人工知能 (AI) と機械学習 (ML) は、最近、新型コロナウイルス感染症の医療に関連する多くの分野で使用されています。 主な目標は、新型コロナウイルス感染症とその影響に関連するさまざまな問題を効果的に管理することです。 新型コロナウイルス感染症の医療に対する ML の既存のアプリケーションは、教師あり分類に基づいており、学習の参照点として機能するラベル付きトレーニング データセットと、事前定義されたクラスが必要です。 しかし、新型コロナウイルス感染症とその影響に関する既存の知識はまだ確固たるものではなく、さまざまな科学コミュニティの間で共通の合意点がまだ明らかではありません。

したがって、この研究は、事前知識を必要としない教師なしクラスタリング アプローチ (tabula rasa) に従うことを目的としていました。

より具体的には、テッサロニキの AHEPA 大学病院の第一治療科の入院患者 268 人が 40 の臨床変数 (数値およびカテゴリ) の観点から評価され、高次元のデータセットが得られました。 次元削減は、データセットの数値部分に主成分分析 (PCA) を適用し、データセットのカテゴリ部分に多重対応分析 (MCA) を適用することによって実行されました。 次に、ベイジアン情報量基準 (BIC) をガウス混合モデル (GMM) に適用して、患者の最適なグループ化が行われる最適なクラスター数を特定しました。

提案された方法論により、同様の臨床的特徴を持つ患者の 4 つのクラスターが特定されました。 分析の結果、無症状患者の集団が存在し、23.8%の割合で死亡したことが明らかになった。

この驚くべき結果により、私たちは、新型コロナウイルス感染症の臨床症状の重症度と患者の死亡率との関係を再考する必要に迫られています。