钟南山院士团队与腾讯AILab近日披露了利用AI预测重症的研究成果预测COVID-19患者出现危重症的概率，可分别预测5天内、10天内和30天内出现危重症的概率，有助于早期合理分诊患者。
该研究成果于2019年7月15日发表在国际顶级期刊《Nature》子期《Nature Communications》上。
这项研究命名为《深度学习在新冠肺炎危重患者早期分诊中的应用》，是院士联合建立的大数据与人工智能联合实验室的成果之一钟南山团队和腾讯。
第一作者就是广州呼吸健康研究院院长助理梁文华博士、腾讯AI Lab医学中心首席科学家姚建华博士、广州呼吸健康研究院院长何建行钟南山院士、腾讯AI负责人黄俊洲实验室医学中心都是共同作者。
大数据与人工智能联合实验室副主任、腾讯医疗副总裁吴文达博士指出，当前COVID-19疫情在全球持续蔓延。
有效抗击疫情、降低患者死亡风险仍然是抗击疫情胜利的关键。
他希望大数据、人工智能等新技术，以及腾讯海量用户触达能力和腾讯云安全快速部署能力，能够在常态化抗疫斗争中发挥作用，更加有效地防控疫情。
本研究基于人工智能深度学习建立的生存模型。
它分析了 COVID-19 患者入院时的 10 项临床特征。
它可以帮助预测患者患危重疾病的风险。
例如，该模型可以在患者住院期间持续使用。
分析和预测结果将更加准确，有助于监测患者住院期间的风险趋势。
医护人员只需输入患者的临床特征，重症早期分诊系统即可返回患者病情在5、10、30天内发展为危重的概率，进而对患者进行早期分诊，这对于救治工作极为重要。
COVID-19 疾病的管理。
具有较高的临床和经济价值。
同时，研究成果也通过Github向全球开源，支持全球抗击新型冠状病毒疫情。
临床研究表明，轻度COVID-19患者通常具有自限性，即病情发展到一定程度后，机体的调节可以控制病情发展并逐渐康复。
然而，6.5%的患者有突然进展为重症的倾向。
这些重症病例不仅需要大量的医疗资源，而且死亡率高达49%。
因此，患者突然病情恶化为重症是抗疫工作的一大关注点。
早期识别有严重疾病风险的患者并早期干预对于改善患者预后至关重要。
同时，尽早识别不同风险的患者并进行有效分类，也有利于医疗资源的高效合理配置，确保重症风险最高的患者尽快得到最合适的医疗和护理。
当大规模疫情爆发时，这种能力就显得更加关键。
重要的。
然而，准确预测患者进展为严重疾病的风险并不容易。
研究团队发现，临床实践中与此相关的患者特征多达74种，这使得利用传统方法很难建立准确的预测模型。
然而，大数据和人工智能的发展将使不可能成为可能。
大数据与人工智能联合实验室团队以腾讯AILab技术为核心，利用机器学习选择变量算法确定包括X射线图像在内的十项患者特征指标。
异常情况、年龄、呼吸困难、慢性阻塞性肺疾病、合并症数量、癌症病史、中性粒细胞/淋巴细胞比值、乳酸脱氢酶、直接胆红素和肌酸激酶，来自各个医疗中心的命名为“COVID”的-19例患者病例用于模型训练，并使用开发了深度学习生存 Cox 模型。
该模型可以根据COVID-19患者入院时的临床特征来预测进展为危重疾病的风险。
研究团队还验证了深度学习生存Cox模型的一致性。
评价模型预测结果准确性的一致性指数（C指数）为0.，相对于未经深度学习的经典Cox模型的0.有所提高。
明显高于 CURB-6 模型的 0.75。
为了测试模型的普适性，研究团队还在不同地理区域和不同卫生资源水平的三个独立队列中测试了模型。
这三个患者队列涵盖了武汉市内的病例、湖北省武汉市以外的病例以及疫情期间未发现的病例。
广东省卫生资源枯竭的病例有73例，外部测试病例均与模型训练病例范围不重叠。
在三个独立队列检验中，C指数显示的严重模型预测与实际发生的一致性分别为0.、0.和0.。
剔除缺失3例以上患者的10个临床特征参数后，队列检验中模型预测与实际发生的一致性分别为0.、0.、0.，表明深度学习的预测准确生存考克斯模型是通用的。
该AI预测系统相对于传统预测模型还有其他优势，包括自动填充应用中缺失的数据进行预测，以应对不同地区和医院的实际情况，并且可以随着应用数据的增加而不断进化，其准确性可以提高。
进一步完善。
今年2月27日，钟南山院士团队与腾讯宣布合作，共同建立大数据与人工智能联合实验室，继续抗击新型冠状病毒疫情。
大数据和人工智能将用于应对流行病、呼吸道疾病和胸部疾病。
筛查、预防和预警。