평가:

인공 지능 (AI) 모델은 바이러스 면봉 검사 결과가 준비되기 전에 병원에 도착한 사람들의 COVID-19 감염을 배제 할 수 있습니다.

옥스포드 대학의 연구원들은 성인이 115,000 건 이상의 병원 방문과 5 백만 건의 일상적인 실험실 테스트 데이터를 사용하여 COVID-19를 유발하는 바이러스 인 SARS-CoV-2에 감염된 사람을 예측하는 알고리즘을 '훈련'했습니다.

그들은 환자가 병원에 도착한 후 1 시간 이내에 수집 할 수있는 정보를 사용했습니다. 일상적인 혈액 검사와 활력 징후 (환자의 호흡 속도 등)가 가장 유용한 정보를 제공했으며 이러한 유형의 정보를 사용하여 알고리즘을 구축했습니다. 병원에 다니는 성인 샘플에 대한 알고리즘 테스트는 감염된 모든 사람을 식별하지는 못하지만 COVID-19를 배제하는 데 잘 수행되었음을 시사했습니다.

현재 COVID-19를 확인하기위한 바이러스 면봉 검사 결과가 도착하는 데 24 시간 이상 걸릴 수 있습니다. 병원에서 검사 결과가 나오기 전에 일부 사람들에게서 COVID-19를 배제 할 수 있다면 조기 치료 (및 감염 관리의 필요성)를보다 간단하게 만들 수 있습니다. 이 연구는 여전히 전문 검토자가 확인해야하며, 더 널리 사용되기 전에 다른 설정에서 알고리즘에 대한 추가 테스트가 필요할 수 있습니다.

이야기가 나온 배경은 무엇입니까?

그만큼 데일리 메일 COVID-19의 '새로운 AI 테스트'에 대해 보도 한 뉴스 매체 중 하나였습니다. 이 정보는 Oxford University의 John Radcliffe 병원에서 가져온 것입니다. 연구. 이 연구는 아직 피어 리뷰 저널에 게재되지 않았기 때문에 전문가 리뷰어가 방법과 결과가 신뢰할 수 있는지 확인하지 않았습니다.

주장의 근거는 무엇입니까?

옥스포드 대학의 연구원들은 사고 및 응급실에 참석 한 두 그룹의 사람들에 대해 일상적으로 수집 된 모든 의료 정보를 사용하거나 급성 (즉, 만성 아님) 상태를 치료하기 위해 병원에 입원했습니다.

  • 2017 년 12 월 1 일부터 2019 년 12 월 1 일 사이에 참석 한 사람들, 아무도 COVID-19를 앓지 않았을 것입니다 (114,957 명 참석)
  • 2019 년 12 월 1 일부터 2020 년 4 월 19 일 사이에 COVID-19 양성 반응을 보인 참석자 (534 명 참석)

정보에는 사람들의 나이, 성별 및 민족적 배경뿐만 아니라 일상적인 혈액 검사 결과, 혈중 산소 수치, 체온, 심박수 및 호흡과 같은 활력 징후와 같은 기본 정보가 포함되었습니다.

그들은 정보를 컴퓨터 인공 지능 모델에 제공하여 바이러스에 대해 양성 반응을 보인 사람들과 바이러스에 감염되지 않은 사람들 사이의 정보 패턴의 차이를 발견하도록 가르쳤습니다. 그들은 80%의 데이터를 사용하여 알고리즘을 "훈련"한 다음 나머지 데이터 20%에서 알고리즘을 테스트했습니다.

응급실에 출석 한 사람이나 병원에 입원 한 사람을 볼 때이 모델은 바이러스에 감염된 사람의 77%를 정확하게 식별하고 바이러스가없는 사람의 약 95%를 정확하게 식별했습니다. 이 결과는 알고리즘이 사람이 SARS-CoV-2를 가지고 있지 않다고 예측한다면 의사는 99% 이상이 될 수 있다는 것을 의미합니다.

이 '훈련'기간이 지난 후 연구원들은 2020 년 4 월 20 일부터 5 월 6 일까지 병원에 입원 한 모든 환자로부터 수집 된 데이터에 대해 모델을 테스트하여 모델이 SARS-CoV-2 양성 반응을 보인 사람을 얼마나 잘 예측할 수 있는지 확인했습니다. 이 샘플에는 응급실에 참석 한 3,326 명과 병원에 입원 한 1,715 명이 포함되었습니다. 이 샘플에서 알고리즘은 또한 잘 수행되었으며, 알고리즘에서 COVID-19가 없다고 말한 사람들 중 97% 이상이 SARS-CoV-2에 대해 음성으로 판정되었습니다.

신뢰할 수 있는 정보원의 주장은 무엇인가요?

이것은 아직 전문가들의 동료 검토를 기다리고있는 초기 단계의 연구이기 때문에 공식 기관이이 연구에 대해 언급하지 않았습니다.

알고리즘은 다른 병원과 다른 환경 (예 : 다른 국가)의 환자와 감염률이 다양하기 때문에 장기간에 걸쳐 유사하게 작동하는지 여부를 확인하기 위해 추가 테스트가 필요합니다.

의사는 또한 알고리즘이 자신의 환경에서 얼마나 유용한 지, 알고리즘과 그 결과가 테스트 및 감염 제어 프로세스에 통합되는 방법에 대해서도 생각해야합니다. 예를 들어, 알고리즘이 COVID-19에 걸린 일부 개인을 놓치기 때문에 의사는 알고리즘에 의해 놓친 사람들을 식별하고 예측 된 환자를 관리 할 때 어떤 감염 관리 조치가 적절한 지 결정하기 위해 면봉 검사를 사용할지 여부를 결정해야합니다. 알고리즘에서 COVID-19에 대해 부정적입니다.

EIU 헬스케어 분석, Reckitt Benckiser 지원

인용

  1. Soltan AS et al. 일상적으로 수집되는 의료 데이터에 대한 인공 지능 기반 평가는 병원에 입원하는 환자의 COVID-19에 대한 효과적인 선별 검사입니다. medRxiv 2020.07.07.20148361에서 사전 인쇄 가능; doi : https://doi.org/10.1101/2020.07.07.20148361 (2020 년 8 월 25 일 접속).