呆板进修猜测新冠肺炎患者住院时刻 多中心研究初次报道

该研究团队颁发的研究论文题为“Machine learning-based CTradiomics model for predicting hospital stay in patients with pneumoniaassociated with SARS-CoV-2 infection: A multicenter study”。

iNature 指出，住院时刻是新型冠状病毒疾病（COVID-19） 临床预后的重要指标之一。相干报道表现，SARS-CoV-2 传染患者的中位住院时刻为 10 天。

今朝，CT 影像学已成为 COVID-19 肺炎重要的诊断和监测器材。疫情时代，由中国抗癌协会肿瘤人工智能专业委员和国度超等计较天津中心构成的项目团队就曾搭建出 CT 影像综合说明 AI 帮助体系，进步了筛查诊断手段。

研究团队在兰州、安康、丽水、镇江、临夏 5 家新冠肺炎定点医院，于 2020 年 1 月 23 日到 2 月 8 日时代，招募了 52 例尝试室确诊的 SARS-CoV-2 传染患者，网络了相干临床资料，对其初始 CT 图像举办了研究。

到了 2020 年 2 月 20 日，研究解除了未出院患者和初次 CT 搜查无肺炎示意患者，最终以 31 例治愈出院的患者为研究工具，共具有 72 个病变段。

其它，研究团队将 10 天作为住院时长的二分类阈值——短期住院（≤10 天）和恒久住院（>10 天）。因为样本数量有限，研究团队将个中 4 此中心作为实习行列，其它一此中心作为验证行列。

针对实习和彼此验证数据齐集从肺炎病变中提取的特性，研究团队开拓了基于逻辑回归（Logistic Regression，LR）模子和回归丛林（Random Forest，RF）的过问 CT 放射学模子。

 图片来历：medRxiv  全部者：medRxiv 

最终功效表现，基于 6 个二级特性的 CT 放射组学模子对肺炎归并 SARS-CoV-2 传染患者在短期住院和恒久住院有较好的辨别结果，LR 和 RF 曲线下面积别离为 0.97 (95%CI 0.83-1.0) 和 0.92 (95%CI 0.67-1.0)。

其它，LR 模子的迅速度和特异度别离为 1.0 和 0.89，RF 模子在测试数据集上的迅速度和特异度别离为 0.75 和 1.0，示意相似。

由此，基于呆板进修的 CT 放射组学模子在猜测肺炎归并 SARS-CoV-2 传染患者住院时刻方面具有可行性和精确性。

参考资料：https://www.medrxiv.org/content/10.1101/2020.02.29.20029603v1

本文素材来自互联网

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!