Bij het voorspellen van ziekten biedt machine learning steeds meer betrouwbare hulp aan mensen. Tijdens de epidemie werd voorspeld dat patiënten met nieuwe coronavirus-pneumonie het overlevingspercentage zouden leren door machinaal leren. In maart 2020 werd een nieuwe coronavirus-pneumonie voorspeld door onderzoekers van het Tongji Hospital van Tongji Medical College, Huazhong University of Science and Technology, School of artificial intelligence and automation, University of Cambridge School of Plant Sciences, met behulp van het interpreteerbare algoritme voor machine learning. De resultaten toonden aan dat de biomarkers voor het voorspellen van de overlevingskans van patiënten met nieuwe kroonpneumonie werden onthuld in maart 2020.
Blood samples collected from novel coronavirus pneumonia patients admitted to Wuhan Tongji Hospital were collected and analyzed retrospectively. Results: 404 patients with pneumonia were admitted to Wuhan Tongji Hospital. Through machine learning tools, the research team finally selected three biomarkers to predict the survival rate of individual patients with an accuracy of more than 90%: LDH (lactate dehydrogenase), lymphocytes and hs CRP (high-sensitivity C-reactive protein). In particular, only the high level of LDH can be used to distinguish the vast majority of cases requiring immediate medical treatment.
Nieuwe onderzoekers van coronavirus-pneumonie hebben ook met succes plasma-eiwit gebruikt om de overlevingskans van patiënten met nieuwe kroonpneumonie in Berlijn te voorspellen, wat een paar weken eerder is dan de resultaten.
In het bijzonder werden bij de nieuwe coronavirus-pneumonie 321 eiwitten geanalyseerd in 349 monsters die waren verzameld uit twee bloedmonsters die waren verzameld bij twee onafhankelijke medische centra in Duitsland en Oostenrijk. Vervolgens worden specifieke machine learning-methoden gebruikt om de relatie tussen de gemeten eiwitten en de overleving van de patiënt te vinden.
15 patiënten in het cohort stierven; De gemiddelde tijd van opname tot overlijden was 28 dagen. Voor overlevende patiënten was de mediane verblijfsduur 63 dagen. De onderzoekers identificeerden 14 eiwitten die in de loop van de tijd in de tegenovergestelde richting veranderden in vergelijking met patiënten die niet konden overleven op de intensive care.
Het team ontwikkelde vervolgens een machine learning-model om overleving te voorspellen op basis van een enkel tijdstip meting van gerelateerde eiwitten, en testte het model in een onafhankelijk validatiecohort van 24 ernstige covid-19-patiënten. Het model toonde een nauwkeurig voorspellingsvermogen in dit cohort en voorspelde correct de uitkomsten van 18 overlevenden en 5 sterfgevallen bij 19 patiënten.
Het staat buiten kijf dat machine learning het leven van mensen' is binnengedrongen. Met de voortdurende verbetering van het technische niveau, zal machine learning mensen steeds meer ondersteuning bieden die verder gaat dan menselijke kracht. Voor de prestaties van machine learning concludeerden de onderzoekers dat bloedeiwittests, indien geverifieerd in een grotere wachtrij, kunnen helpen om patiënten met het hoogste risico op overlijden te identificeren en om te testen of een behandeling het voorspellingstraject van een individuele patiënt zal veranderen.
