Клиническая и рентгенологическая модель COVID-19

В декабре 2019 года в Ухане, Китай, появился новый коронавирус, коронавирус тяжелого острого респираторного синдрома 2 (SARS-CoV-2; ранее называвшийся 2019-nCoV). Заболевание, вызванное SARS-CoV-2, называется COVID-19. По состоянию на 8 марта 2020 г. во всем мире было зарегистрировано более 100 000 пациентов с COVID-19 (более 80 000 случаев в Китае, более 20 000 в других странах) и 3 600 пациентов (3 100 в Китае, 500 за пределами Китая). Китай) умерли. Вспышка COVID-19 представляет собой чрезвычайную ситуацию в области общественного здравоохранения, имеющую международное значение.

Среди пациентов с COVID-19 около 80% — это пациенты с легким (нетяжелым) заболеванием, которые обычно выздоравливают в течение двух недель. Тем не менее, еще у 20% пациентов может развиться тяжелое или критическое заболевание, что приводит к более длительному пребыванию в стационаре, а уровень смертности таких пациентов составляет 13,4%. Таким образом, ранняя идентификация тяжелых пациентов с высоким риском чрезвычайно важна для ведения пациентов и распределения медицинских ресурсов. Общий карантин и симптоматическое лечение могут использоваться для большинства нетяжелых пациентов, в то время как более высокий уровень ухода и зеленый канал в отделение интенсивной терапии (ОИТ) полезны для тяжелых пациентов. В предыдущих исследованиях были обобщены клинические и радиологические характеристики пациентов с тяжелым течением COVID-19, хотя до сих пор неясно, какие факторы являются важными предикторами.

Машинное обучение — это отрасль искусственного интеллекта, которая позволяет нам извлекать знания и потенциальные законы из заданных данных и строить модели для решения проблем в соответствии с человеческими потребностями. В последние годы машинное обучение было разработано как новый инструмент для анализа больших объемов данных из медицинских карт или изображений. Предыдущие исследования по моделированию были сосредоточены на прогнозировании потенциального международного распространения COVID-19.

Поэтому наша цель состоит в том, чтобы разработать и проверить модель машинного обучения, основанную только на клинических, лабораторных и рентгенологических характеристиках или комбинации пациентов с COVID-19 на ранней стадии без тяжелого заболевания из нескольких центров для прогнозирования тяжелого (или критического) состояния. болезнь при последующей госпитализации для облегчения оценки риска до и после появления симптомов и сортировки (дома, госпитализация в отделение интенсивной терапии или отделение интенсивной терапии).