我们的评估:

在准备好病毒拭子测试结果之前,人工智能(AI)模型可以排除到达医院的人中的COVID-19感染。

牛津大学的研究人员使用了来自成年人超过115,000次医院就诊的数据和500万例常规实验室检查的数据,以“训练”一种算法来预测谁患有SARS-CoV-2(一种导致COVID-19的病毒)。

他们使用的信息可以在患者到达医院一小时之内收集到。常规血液检查和生命体征(例如患者的呼吸频率)提供了最有用的信息,并且此类信息用于构建他们的算法。在另一位到医院就诊的成年人身上测试了该算法,表明该算法在排除COVID-19方面表现良好,尽管它不能识别出每个感染者。

目前,对病毒进行拭子测试以确认COVID-19的结果可能需要24小时或更长时间才能到达。如果医院可以在获得检测结果之前排除某些人的COVID-19,则可以使早期治疗(以及对感染控制的需求)更加直接。这项研究仍需由专家审阅者进行检查,在更广泛地使用该算法之前,可能需要在其他环境中对该算法进行进一步的测试。

这种说法的来源是什么?

每日邮件 是报道COVID-19的“新AI测试”的新闻媒体之一。信息来自牛津大学的约翰·拉德克利夫医院,该医院已经提供了他们的研究结果。 研究。该研究尚未在同行评审的期刊上发表,因此尚未经过专家审阅者的检查,以确保方法和结果可靠。

这种说法的依据是什么?

牛津大学的研究人员使用了所有常规收集的有关两组人的医疗信息,这些人是在急症室就诊的,或因急性(即非慢性)病住院的:

  • 在2017年12月1日至2019年12月1日之间参加的参与者,没有人会获得COVID-19(114,957人参加)
  • 在2019年12月1日至2020年4月19日之间参加的参与者,其COVID-19呈阳性测试(534出席者)

这些信息包括人们的年龄,性别和种族背景,以及诸如常规血液检查结果,血氧水平和生命体征(例如温度,心率和呼吸)之类的基本信息。

他们将信息提供给计算机人工智能模型,以教其找出对病毒进行阳性检测的人与未进行病毒检测的人之间的信息模式差异。他们使用数据的80%来“训练”算法,然后在剩余的20%数据上测试算法。

当查看急诊人员或住院患者时,该模型可以正确识别出带有该病毒的人的77%,并正确识别出没有该病毒的人的95%。这些结果意味着,如果该算法预测一个人没有SARS-CoV-2,那么医生可能会确定他们没有SARTP-CoV-2。

在“培训”期过后,研究人员根据从2020年4月20日至5月6日就诊的所有患者收集的数据对模型进行了测试,以查看该模型如何预测谁对SARS-CoV-2呈阳性。该样本包括3326人参加急诊科和1715人入院。在这些样本中,该算法的效果也很好,并且超过97%的那些说没有COVID-19的人确实对SARS-CoV-2呈阴性。

可靠的信息源是如何建议的?

由于这是早期研究,尚待专家进行同行评审,因此没有官方机构对此研究发表评论。

该算法将需要进一步测试,以确定它是否可以在其他医院和其他环境(例如在不同的国家)的患者上以及在感染率变化的较长时间段内类似地起作用。

医生还需要考虑该算法在其设置中的有用性,以及该算法及其结果如何纳入他们的测试和感染控制过程。例如,由于该算法确实错过了一些COVID-19的患者,因此,医生需要决定是否仍使用拭子测试来识别该算法所错过的人群,并决定在管理预期感染患者时应采取哪种感染控制措施。对于算法上的COVID-19为负。

分析来源:英国经济学人智库 健康保健部(EIU Healthcare),由利洁时提供支持

引用

  1. Soltan AS等。人工智能驱动的常规收集医疗数据评估是对就诊患者进行COVID-19的有效筛选测试。可在medRxiv 2020.07.07.20148361上获得预印本;土井: https://doi.org/10.1101/2020.07.07.20148361 (于2020年8月25日访问)。