研究发现3个与新冠病毒死亡率相关生物标志物

华中科技大学同济医学院附属同济医院的李树生和许辉以及华中科技大学的袁野及其合作者的研究指出，通过机器学习工具选择的三种生物标志物可以根据武汉市485例新感染冠状病毒患者的血样预测患者的死亡率。这三种生物标志物分别是乳酸脱氢酶、淋巴细胞和高敏C反应蛋白水平。这些工具可以至少提前十天预测单个病人的死亡率，准确率超过90%。相关的研究发表在5月14日的《自然-机器智能》在线版上。

快速准确地对新感染冠状病毒患者的病情进行早期临床评估非常重要。然而，没有直接可用的预测性生物标志物来识别需要立即临床治疗的患者并估计其相应的死亡率。

研究人员分析了武汉485名患者的血样，以寻找可靠和有意义的死亡风险标记。建模样本于1月10日至2月18日在同济医院采集。在分析的375例病例中，201例在新冠状病毒痊愈后出院，其余174例死亡。

作者设计了一套基于机器学习算法的数学建模方法，专门用于识别最能预测患者死亡率的生物标志物。作者在算法中将问题转化为分类任务。输入数据包括基本信息、症状、血样以及普通、严重和危重患者的实验室检查结果，如肝功能、肾功能、凝血功能、电解质和炎症因子。在该模型中，乳酸脱氢酶(LDH)、淋巴细胞和高敏C-反应蛋白水平被选为识别危重患者的三个最关键的生物标志物。这一结果与当前的医学知识一致，即较高的乳酸脱氢酶水平本身与不同疾病引起的组织损伤有关，包括肺部疾病如肺炎。大多数患者在住院期间多次采集血液样本，但该模型仅使用患者最终样本的数据。然而，该模型也适用于所有其他血液样本，并且生物标记的预测潜力也可以被估计。

作者得出结论，他们的模型可以通过简单、直观和易于解释的临床检查准确、快速地量化死亡风险。作者还提出淋巴细胞(一种血细胞)可能是潜在的治疗目标，这也得到临床研究的支持。作者指出，随着越来越多的数据可用，有必要重复算法以达到更高的精度。

相关论文信息:https://doi.org/10.1038/s42256-020-0180-7