COVID-19-klinisk status assosiert med utfallsgrad: En tilnærming til maskinlæring uten tilsyn

Siden begynnelsen av COVID-19-pandemien har 195 millioner mennesker blitt smittet og 4,2 millioner har dødd av sykdommen eller dens bivirkninger. Leger, helsepersonell og medisinsk personell prøver kontinuerlig å håndtere overbelastede sykehusinnleggelser, mens de parallelt prøver å identifisere meningsfulle sammenhenger mellom alvorlighetsgraden av infiserte pasienter med deres symptomer, komorbiditeter og biomarkører. Kunstig intelligens (AI) og maskinlæring (ML) har nylig blitt brukt på mange områder relatert til covid-19 helsetjenester. Hovedmålet er å effektivt håndtere det store utvalget av problemer knyttet til COVID-19 og dets konsekvenser. De eksisterende applikasjonene av ML til COVID-19 helsetjenester er basert på overvåket klassifisering som krever et merket opplæringsdatasett, som fungerer som referansepunkt for læring, samt forhåndsdefinerte klasser. Imidlertid er den eksisterende kunnskapen om COVID-19 og dens konsekvenser fortsatt ikke solid, og poengene til felles enighet mellom ulike vitenskapelige miljøer er fortsatt uklare.

Derfor hadde denne studien som mål å følge en uovervåket klyngetilnærming, der forkunnskaper ikke er nødvendig (tabula rasa).

Mer spesifikt ble 268 innlagte pasienter ved den første propedeutiske avdelingen for indremedisin ved AHEPA universitetssykehus i Thessaloniki vurdert i form av 40 kliniske variabler (numeriske og kategoriske), noe som førte til et datasett med høy dimensjonalitet. Dimensjonsreduksjon ble utført ved å bruke Principal Component Analysis (PCA) på den numeriske delen av datasettet og Multiple Correspondence Analysis (MCA) på den kategoriske delen av datasettet. Deretter ble Bayesian Information Criterion (BIC) brukt på Gaussian Mixture Models (GMM) for å identifisere det optimale antallet klynger, under hvilke den beste grupperingen av pasienter oppstår.

Den foreslåtte metodikken identifiserte 4 klynger av pasienter med lignende kliniske egenskaper. Analysen avdekket en klynge av asymptomatiske pasienter som resulterte i dødsfall med en rate på 23,8 %.

Dette slående resultatet tvinger oss til å revurdere forholdet mellom alvorlighetsgraden av covid-19 kliniske symptomer og pasientens dødelighet.