Photo by Markus Spiske on Unsplash, https://unsplash.com/photos/iar-afB0QQw

【武漢肺炎】新 AI 演算法預測病情惡化風險 準確度達 96%

全球武漢肺炎 (COVID-19) 疫情持續,少部份病人會出現嚴重的急性肺炎病徵,對身體造成嚴重影響甚至死亡。最新刊於 Medical Image Analysis 的初步研究指,成功研發機器學習系統,可助醫療人員辨識病人病情惡化風險,以盡快提供適當治療。

疫情爆發下醫療資源有限,醫療人員須盡快判斷患者發病風險,從而為他們提供相應的治療,以減低其死亡風險。自疫情起,研究人員已利用胸腔掃描數據,加入機器學習演算法開發辨識系統,以助醫生找出病人肺部是否出現病變,並可有效檢測約 90% 的肺炎病徵。機器學習演算法可找出人類較難察覺到的發病模式,從而更有效地以找出較高風險病人。

以往研究所用的方法均未能讓醫療人員判斷到病人病徵惡化風險,也未能判斷到哪些病人的風險最高。美國倫斯勒理工學院 (Rensselaer Polytechnic Institute) 最新研究希望可改善此問題,所以除了利用胸腔掃描數據外,也包括了一些非掃描醫療數據,例如人口數據、 生命徵象數據,以及血液檢查等數據,綜合數據特徵,判別患者病情。

今次研究只用到從美國、伊朗或意大利各三間醫院共 295 名確診 COVID-19 肺炎的住院患者數據來訓練機器學習模型,但他們所用到的「隨機森林 (Random Forest) 」演算法在小樣本數下表現理想,而研究人員亦發現他們仍可有效判斷到病人是否需要入住深切治療部治療,準確度最高可達約 96.1% 。

團隊指,若再改進此系統,將可於日後作臨床應用,以盡早判斷 COVID-19 病人日後會否出現嚴重肺炎,並監察其病情發展。團隊又認為,此方法將可用於其他肺炎疾病中,不必只限於在疫情期間使用。 

來源:
ScienceAlert, AI Predicts 96% of COVID-19 Pneumonia Cases That Will Require Intensive Care, 29 November 2020

報告:
Chao, H., Fang, X., Zhang, J. & etal. (2021). Integrative analysis for COVID-19 patient outcome prediction. Med Image Anal, Published Online. DOI: 10.1016/j.media.2020.101844

文/Edward Ho

編輯推介

    發表意見