Клинический статус COVID-19, связанный с тяжестью исхода: неконтролируемый подход к машинному обучению

С начала пандемии COVID-19 195 миллионов человек были инфицированы и 4,2 миллиона умерли от болезни или ее побочных эффектов. Врачи, ученые в области здравоохранения и медицинский персонал постоянно пытаются справиться с перегруженностью госпитализаций, параллельно пытаясь выявить значимые корреляции между тяжестью инфицированных пациентов с их симптомами, сопутствующими заболеваниями и биомаркерами. Искусственный интеллект (ИИ) и машинное обучение (МО) в последнее время используются во многих областях, связанных со здравоохранением в связи с COVID-19. Основная цель — эффективно решать самые разнообразные вопросы, связанные с COVID-19 и его последствиями. Существующие приложения машинного обучения для здравоохранения в связи с COVID-19 основаны на контролируемой классификации, для которой требуется помеченный набор обучающих данных, служащий ориентиром для обучения, а также предопределенные классы. Тем не менее, существующие знания о COVID-19 и его последствиях все еще не являются надежными, а точки соприкосновения между различными научными сообществами все еще неясны.

Таким образом, это исследование было направлено на использование неконтролируемого кластерного подхода, при котором предварительные знания не требуются (tabula rasa).

В частности, 268 госпитализированных пациентов в Первом пропедевтическом отделении внутренних болезней университетской больницы AHEPA в Салониках были оценены с точки зрения 40 клинических переменных (числовых и категориальных), что привело к набору данных высокой размерности. Снижение размерности было выполнено путем применения анализа основных компонентов (PCA) к числовой части набора данных и анализа множественных соответствий (MCA) к категориальной части набора данных. Затем байесовский информационный критерий (BIC) был применен к гауссовым смешанным моделям (GMM) для определения оптимального количества кластеров, при которых происходит наилучшее группирование пациентов.

Предложенная методика позволила выделить 4 кластера пациентов со сходными клиническими характеристиками. При анализе выявлен кластер бессимптомных больных, что привело к летальному исходу в 23,8%.

Этот поразительный результат заставляет нас пересмотреть взаимосвязь между тяжестью клинических симптомов COVID-19 и смертностью пациентов.