研究人员证明了一种机器学习模型，该模型可以排除许多患者中的COVID-19

研究职员已经证明白一种呆板进修模子，该模子可以解除很多急诊患者中的COVID-19，而且全部算法所需的都是通例ER血液测试的数据。

佛蒙特大学(University of Vermont)的医学博士(MHS)的蒂莫西·普兰特(Timothy Plante)及其同事在《医学互联网研究》杂志上描写了他们的项目。

该团队通过逆转录聚合酶链回响(PCR)的测试证实了该模子在43家医院的约莫2,200例COVID病例中的模子。

对付阴性比较，他们行使了在统一家医院就诊的10,000名大风行前患者。

为了举办外部验证，他们行使了23家医院，这些医院的PCR确诊病例高出1000，大风行前阴性比较约为172,000。

为了评估模子的精确性，Plante及其同事行使了吸取器事变特征曲线下的面积以及迅速度，特异性和负猜测值。

按照外部验证数据集的风险分数截断(满分为100)中的1.0，该模子的敏感性为95.9%，特异性为41.7%。

当风险临界值进步到2.0时，该模子实现了92.6%的迅速度和59.9%的特异性。

同时，在2.0临界值下，疾病风行率为1%，10%和20%时，阴性猜测值别离为99.9%，98.6%和97%。

作者总结说：“操作多中心临床数据开拓的呆板进修模子团结了常用的ED尝试室数据，证明白COVID-19状态的解除率很高，而且也许为基于PCR的测试的选择性行使提供信息。”

他们夸大说，他们的模子整合了凡是网络的尝试室数据，并指出“其分辨精度可以分为优越到优越”。

（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!