Klinisk och radiomisk modell av covid-19

I december 2019 dök ett nytt coronavirus, allvarligt akut respiratoriskt syndrom coronavirus 2 (SARS-CoV-2; tidigare namngivet som 2019-nCoV), upp i Wuhan, Kina. Sjukdomarna som orsakas av SARS-CoV-2 är COVID-19. Den 8 mars 2020 har mer än 100 000 patienter med covid-19 rapporterats globalt (mer än 80 000 fall i Kina, mer än 20 000 i andra länder) och 3 600 patienter (3 100 i Kina, 500 utanför Kina) har dött. Utbrottet av covid-19 utgör en folkhälsokris av internationell oro.

Bland covid-19-patienter är cirka 80 % patienter med mild (icke-svår) sjukdom, som vanligtvis läker inom två veckor. Däremot kan ytterligare 20 % av patienterna förvärras till en allvarlig eller kritisk sjukdom som resulterar i en längre sjukhusvistelse, och dödligheten för sådana patienter är 13,4 %. Därför är inchoate identifiering av de allvarliga högriskpatienterna extremt viktig för patienthantering och allokering av medicinska resurser. Allmän karantän och symtomatisk behandling kan användas för de flesta icke-svåra patienter, medan en högre vårdnivå och grön kanal till intensivvårdsavdelningen (ICU) är till hjälp för svåra patienter. Tidigare studier har sammanfattat de kliniska och radiologiska egenskaperna hos patienter med svår covid-19, medan vilka faktorer som är viktiga prediktorer fortfarande är oklart.

Maskininlärning är en gren av artificiell intelligens som gör det möjligt för oss att lära oss kunskap och potentiella lagar från givna data och att bygga en modell för att lösa problem som mänskliga behov. Under de senaste åren har maskininlärning utvecklats som ett nytt verktyg för att analysera stora mängder data från journaler eller bilder. Tidigare modelleringsstudier fokuserade på att förutsäga den potentiella internationella spridningen av covid-19.

Därför är vårt syfte att utveckla och validera en maskininlärningsmodell baserad på enbart kliniska, laboratorie- och radiologiska egenskaper eller en kombination av COVID-19-patienter i ett tidigt skede utan allvarlig sjukdom från flera centra för förutsägelse av allvarliga (eller kritiska) sjukdom vid följande sjukhusinläggning för att underlätta risk Bedömning före och efter symtom och triage (hem, sjukhusinläggning eller intensivvård).