COVID-19 的临床和放射组学模型

2019 年 12 月，在中国武汉出现了一种新型冠状病毒，即严重急性呼吸系统综合症冠状病毒 2（SARS-CoV-2；之前称为 2019-nCoV）。 由 SARS-CoV-2 引起的疾病是 COVID-19。 截至 2020 年 3 月 8 日，全球已报告超过 10 万例 COVID-19 患者（中国超过 8 万例，其他国家超过 2 万例），3600 例患者（中国 3100 例，国外 500 例）中国）已经死亡。 COVID-19 的爆发构成国际关注的突发公共卫生事件。

在 COVID-19 患者中，约 80% 是轻症（非重症）患者，通常在两周内痊愈。 然而，另有20%的患者可能会加重为重症或危重症，导致住院时间延长，此类患者的死亡率为13.4%。 因此，早期识别高危重症患者对于患者管理和医疗资源分配极为重要。 对大多数非重症患者可采取一般隔离和对症治疗，而对重症患者提供更高级别的护理和进入重症监护病房（ICU）的绿色通道有帮助。 以往的研究总结了重症 COVID-19 患者的临床和影像学特征，但尚不清楚哪些因素是重要的预测因子。

机器学习是人工智能的一个分支，它使我们能够从给定的数据中学习知识和潜在规律，并建立一个模型来解决人类需要的问题。 近年来，机器学习已发展成为一种新颖的工具，用于分析来自医疗记录或图像的大量数据。 以前的建模研究侧重于预测 COVID-19 的潜在国际传播。

因此，我们的目的是开发和验证一个机器学习模型，该模型仅基于临床、实验室和放射学特征，或基于来自多个中心的早期无重症 COVID-19 患者的组合，用于预测重症（或危重）疾病在随后的住院治疗中进行，以促进症状前后的风险评估和分流（家庭、住院或 ICU）。