武汉团队找到3个新冠死亡标志物,建立预测模型准确率超九成
快速准确的疾病评估对于治疗新发肺炎患者极为重要。当地时间5月14日,华中科技大学同济医学院附属同济医院等机构在学术期刊《自然-机器智能》上发表了一篇论文,指出机器学习算法利用三种生物标志物,至少提前10天预测新发肺炎患者的个体死亡率,准确率超过90%。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。
结合这些指标,本文提出了一个简单易操作的决策规则,可以快速预测新冠状动脉肺炎风险最高的患者,使他们得到优先考虑,并有可能降低死亡率。
上述论文题目为“Covid-19患者的解释预测模型”,第一作者是华中科技大学同济医学院附属同济医院急诊科副主任医师李岩。华中科技大学同济医学院附属同济医院急诊科主任李树生;华中科技大学同济医学院附属同济医院麻醉科;华中科技大学人工智能与自动化学院教授袁烨是通讯作者。
李岩等人收集了中国武汉地区485例新发肺炎患者的血样,以寻找可靠且有意义的死亡危险标志物。这些样本于2020年1月10日至2020年2月18日在华中科技大学同济医学院附属同济医院采集。
样本分为两部分,其中375部分用于建模,110部分用于模型测试。在用于建模的375例病例中,201例康复后出院,其余174例死亡。在检测的110例病例中,97例存活,13例死亡。
根据机器学习算法,作者设计了一套数学建模方法来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。
最后,该模型选择乳酸脱氢酶、淋巴细胞和高敏C-反应蛋白水平作为三个关键的生物标志物来识别新诊断肺炎的患者。作者认为这一结果与当前的医学知识是一致的。
作者在论文中分析了高水平的乳酸脱氢酶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。对于新诊断为肺炎的危重患者,乳酸脱氢酶水平的增加表明肺损伤程度的增加。高敏C反应蛋白水平升高是急性呼吸窘迫综合征预后不良的重要指标,反映了持续的炎症状态。此外,该论文说,“我们的结果还表明淋巴细胞可能是一个潜在的治疗目标,这得到了临床研究结果的支持。”文章写道,淋巴细胞减少是新诊断肺炎患者的一个共同特征,可能是与疾病严重程度和死亡率相关的一个关键因素。
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和快速地量化新加冕患者的死亡风险。作者说,模型中涉及的三种生物标记物可以在任何医院轻松收集。“这种简单的模式可以帮助医生快速确定患者的优先顺序,尤其是在医疗资源有限的流行病期间,拥挤的医院和医疗资源供不应求。”