钟南山院士团队携手腾讯利用AI预测新冠重症，成果登上《Nature》子刊-技术圈

来源：nature等

编辑：雅新

新冠疫情仍在全球蔓延，截止目前，全球已确诊病例数突破1477万，死亡数超过60万。如何准确预测患者的病情发展情况在当前依然至关重要。

昨日，腾讯 AI Lab 公布了其在这一领域的最新进展，由钟南山院士团队携手腾讯发布了AI预测新冠重症的成果，可分别预测5天、10天和30天内病情危重的概率，这项研究将有助合理地为病人进行早期的分诊。

此项研究 Early Triage of Critically-Ill COVID-19 Patients Using Deep Learning 已在7月15日发表在 Nature子刊 Nature Communications。

论文链接：https://www.nature.com/articles/s41467-020-17280-8

这项研究是第一作者分别是广州呼吸健康研究院院长助理梁文华博士，以及腾讯 AI Lab 医疗中心首席科学家姚建华博士，钟南山院士、广州呼吸健康研究院院长何建行、腾讯 AI Lab 医疗中心负责人黄俊洲均为共同作者。

通过Cox模型建模，确定十项患者特征指标

联合研究团队通过人工智能深度学习算法对来自全国575家医院的1590名患者的脱敏入院数据进行了分析建模，并从中确定了10项能很好预测重症风险的患者特征。

这十项患者特征指标包括X线影像异常、年龄、呼吸困难、慢性阻塞性肺病、合并症数量、癌症病史、中性粒细胞/淋巴细胞比、乳酸脱氢酶、直接胆红素和肌酸激酶。这一模型有助于在早期快速监测患者的重症风险。

为了更精确地建模这10项特征与重症风险的关系，研究团队还对深度学习生存Cox模型的一致性进行了验证。通过训练，评估模型在验证集上的一致性指数（C-index ）为0.894，比之前0.876有所提升。AUC从 0.889 提升到了 0.911。

研究团队还对不同地理区域和不同卫生资源水平的三个独立队列进行了模型测试，三个患者队列涵盖武汉940例、湖北省武汉市以外地区380例，以及疫情期间未出现健康资源枯竭的广东73例，外部测试病例均与模型训练病例范围不重叠。

在三个独立队列测试中，C指数展现的重症模型预测与实际发生一致性分别为0.878、0.769和0.967，显示出Cox模型的准确预测具有普适性。

一项研究的实际应用才能将实际应用发挥出来，研究团队在深度Cox模型的基础上又加了一层线性Cox模型，为了方便医生解读最终结果，然后通过求和得到最终风险系数。

这一模型的优势在于，医生可以通过诺模图直观地了解各项观察值与风险系数之间的关系，同时也可以在没有电脑的情况下手动计算风险系数。

考虑到模型所需的10项特征中可能有一部分并未得到测量会出现数据不完整的情况，研究团队针对这一问题在系统中加入了多变量数据插补模块，这一模块基于可观察到的变量来找到相似的样本作为参考，通过拟合算法来插补缺失的数值。

另一方面，为了提升模型的鲁棒性，研究团队还在训练深度模型的过程中采用了随机丢弃数据并添加数据噪音的实践方法。基于这些数据增强策略，最终得到的模型在仅观测到 7 项特征时依然能取得相当好的表现。

依据此模型开发出的预测工具「COVID-19患者重症早期分诊系统」已经在线公开，临床医护工作人员也可以访问微信小程序获得这一工具。

https://aihealthcare.tencent.com/COVID19-Triage_en.html

为了助力全球共同战疫，研究团队将这项成果在GitHub进行了开源：

https://github.com/cojocchen/covid19_critically_ill

腾讯医疗副总裁吴文达医生指出，「当前新冠肺炎疫情在全球持续蔓延，高效抗疫、降低患者死亡风险仍是取得抗疫胜利的关键，希望大数据、人工智能等新技术能够在抗疫常态化中发挥作用。」

大数据与人工智能在此次新冠抗疫中功不可没。

参考链接：

https://www.nature.com/articles/s41467-020-17280-8

文中部分观点引用腾讯AI实验室：