Học máy phát hiện thành công bệnh nhân COVID-19 trước kết quả PCR và dự đoán khả năng sống sót của họ dựa trên các tham số xét nghiệm chuẩn trong một nghiên cứu quan sát

Springer Science and Business Media LLC - Tập 12 - Trang 111-129 - 2022
Filip Styrzynski1, Damir Zhakparov2,3, Marco Schmid4, Damian Roqueiro3,5, Zuzanna Lukasik1,2, Julia Solek6,7, Jakub Nowicki8, Milosz Dobrogowski9, Joanna Makowska1, Milena Sokolowska2,10, Katja Baerenfaller2,3
1Department of Rheumatology with Subdepartment of Internal Medicine, Medical University of Lodz, Lodz, Poland
2Swiss Institute of Allergy and Asthma Research (SIAF), University of Zurich, Davos, Switzerland
3Swiss Institute of Bioinformatics, Lausanne, Switzerland
4University of Applied Sciences of the Grisons, Chur, Switzerland
5Department of Biosystems Science and Engineering, ETH Zurich, Basel, Switzerland
6Department of Pathology, Chair of Oncology, Medical University of Lodz, Lodz, Poland
7Department of Biostatistics and Translational Medicine, Medical University of Lodz, Lodz, Poland
8Department of Paediatrics, Newborn Pathology and Bone Metabolic Diseases, Medical University of Lodz, Lodz, Poland
9Maria Sklodowska-Curie Specialty Voivodeship Hospital, Zgierz, Poland
10Christine Kühne Center for Allergy Research and Education (CK-CARE), Davos, Switzerland

Tóm tắt

Trong đại dịch COVID-19 hiện nay, các bác sĩ cần một tập hợp các tham số quyết định có thể dễ dàng quản lý để (i) nhanh chóng xác định bệnh nhân dương tính với SARS-CoV-2, (ii) xác định bệnh nhân có nguy cơ cao về kết quả tử vong khi nhập viện, và (iii) nhận diện các dấu hiệu cảnh báo kéo dài về một kết quả có thể tử vong. Nghiên cứu so sánh này được thực hiện trên 515 bệnh nhân tại Bệnh viện Chuyên khoa Maria Skłodowska-Curie ở Zgierz, Ba Lan. Các nhóm nghiên cứu bao gồm 314 bệnh nhân có triệu chứng giống COVID nhưng có kết quả xét nghiệm âm tính và 201 bệnh nhân có kết quả dương tính với nhiễm SARS-CoV-2; trong số đó, 72 bệnh nhân mắc COVID-19 đã tử vong và 129 bệnh nhân đã xuất viện. Dữ liệu mà chúng tôi đã đào tạo nhiều mô hình học máy (ML) bao gồm các phát hiện lâm sàng khi nhập viện và trong thời gian điều trị, triệu chứng, nguy cơ dịch tễ học, và các bệnh đi kèm cũng như thuốc đã sử dụng. Chúng tôi đã xác định một tập hợp các tham số tại thời điểm nhập viện gồm: bạch cầu, lymphocytes sản sinh kháng thể, tỷ lệ bạch cầu ưa acid / lymphocytes, tiểu cầu / bạch cầu trung tính, và tế bào đơn nhân / lymphocytes, procalcitonin, creatinine, và protein phản ứng C. Cây quyết định y khoa được xây dựng bằng các tham số này đã phân biệt được bệnh nhân dương tính và âm tính với SARS-CoV-2 với độ chính xác lên tới 90-100%. Những bệnh nhân mắc COVID-19 nhập viện có độ tuổi cao hơn, procalcitonin, protein phản ứng C và troponin I cao hơn cùng với tỷ lệ hemoglobin và tiểu cầu/bạch cầu trung tính thấp hơn đã được phát hiện có nguy cơ tử vong cao nhất do COVID-19. Hơn nữa, chúng tôi đã xác định các mẫu kéo dài trong protein phản ứng C, bạch cầu và D dimer dự đoán kết quả bệnh. Nghiên cứu của chúng tôi cung cấp các tập hợp tham số dễ thu thập cho phép đánh giá tình trạng của bệnh nhân nhiễm SARS-CoV-2, và nguy cơ kết quả bệnh tử vong khi nhập viện và trong quá trình diễn tiến bệnh.

Từ khóa

#COVID-19 #SARS-CoV-2 #học máy #tham số lâm sàng #dự đoán tử vong

Tài liệu tham khảo

Aziz S, Arabi YM, Alhazzani W, et al. Managing ICU surge during the COVID-19 crisis: rapid guidelines. Intensive Care Med. 2020;46:1303–25. Martín J, Tena N, Asuero AG. Current state of diagnostic, screening and surveillance testing methods for COVID-19 from an analytical chemistry point of view. Microchem J Devoted Appl Microtech Branch Sci. 2021;167:106305. Venter M, Venter M, Richter K, Richter K. Towards effective diagnostic assays for COVID-19: a review. J Clin Pathol. 2020;73:370–7. Schultz MJ, Gebremariam TH, Park C, et al. Pragmatic recommendations for the use of diagnostic testing and prognostic models in hospitalized patients with severe COVID-19 in low- and middle-income countries. Am J Trop Med Hyg. 2021;104:34–47. Barros LM, Pigoga JL, Chea S, et al. Pragmatic recommendations for identification and triage of patients with COVID-19 disease in low- and middle-income countries. Am J Trop Med Hyg. 2021;104:3–11. Huang C, Wang Y, Li X, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020;395:497. Wang D, Hu B, Hu C, et al. Clinical characteristics of 138 hospitalized patients with 2019 novel coronavirus-infected pneumonia in Wuhan, China. JAMA. 2020;323:1061–9. Izcovich A, Ragusa MA, Tortosa F, et al. Prognostic factors for severity and mortality in patients infected with COVID-19: a systematic review. PLoS One. 2020;15:e0241955. Chen N, Zhou M, Dong X, et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet. 2020;395:507–13. Yan W, Chen D, Bigambo FM, Wei H, Wang X, Xia Y. Differences of blood cells, lymphocyte subsets and cytokines in COVID-19 patients with different clinical stages: a network meta-analysis. BMC Infect Dis. 2021;21:1–9. Syrowatka A, Kuznetsova M, Alsubai A, et al. Leveraging artificial intelligence for pandemic preparedness and response: a scoping review to identify key use cases. NPJ Digit Med. 2021;4:1–14. Soltan AAS, Kouchaki S, Zhu T, et al. Rapid triage for COVID-19 using routine clinical data for patients attending hospital: development and prospective validation of an artificial intelligence screening test. Lancet Digit Health. 2021;3:e78–87. Wynants L, Van Calster B, Collins GS, et al. Prediction models for diagnosis and prognosis of COVID-19: systematic review and critical appraisal. BMJ. 2020;369:26. Adamidi ES, Mitsis K, Nikita KS. Artificial intelligence in clinical care amidst COVID-19 pandemic: a systematic review. Comput Struct Biotechnol J. 2021;19:2833–50. World Medical Association. World Medical Association declaration of Helsinki: ethical principles for medical research involving human subjects. J Am Med Assoc. 2013;310:2191–4. von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370:1453–7. Lin J, Keogh E, Lonardi S, Chiu B. A symbolic representation of time series, with implications for streaming algorithms. DMKD '03: proceedings of the 8th ACM SIGMOD workshop on research issues in data mining and knowledge discovery. 2003; p. 2–11. https://doi.org/10.1145/882082.882086. Brinati D, Campagner A, Ferrari D, Locatelli M, Banfi G, Cabitza F. Detection of COVID-19 infection from routine blood exams with machine learning: a feasibility study. J Med Syst. 2020. https://doi.org/10.1007/s10916-020-01597-4. Kuang PD, Wang C, Zheng HP, et al. Comparison of the clinical and CT features between COVID-19 and H1N1 influenza pneumonia patients in Zhejiang, China. Eur Rev Med Pharmacol Sci. 2021;25:1135–45. Kong J, Hao Y, Wan S, et al. Comparative study of hematological and radiological feature of severe/critically ill patients with COVID-19, influenza A H7N9, and H1N1 pneumonia. J Clin Lab Anal. 2021. https://doi.org/10.1002/jcla.24100. Katzenschlager S, Zimmer AJ, Gottschalk C, et al. Can we predict the severe course of COVID-19—a systematic review and meta-analysis of indicators of clinical outcome? PLoS One. 2021;16:e0255154. Kiss S, Gede N, Hegyi P, et al. Early changes in laboratory parameters are predictors of mortality and ICU admission in patients with COVID-19: a systematic review and meta-analysis. Med Microbiol Immunol. 2021;210:33. Du R, Tsougenis ED, Ho JWK, et al. Machine learning application for the prediction of SARS-CoV-2 infection using blood tests and chest radiograph. Sci Rep. 2021;11:14250. Cobre AF, Stremel DP, Noleto GR, et al. Diagnosis and prediction of COVID-19 severity: can biochemical tests and machine learning be used as prognostic indicators? Comput Biol Med. 2021;134:104531. Cabitza F, Campagner A, Ferrari D, et al. Development, evaluation, and validation of machine learning models for COVID-19 detection based on routine blood tests. Clin Chem Lab Med. 2021;59:421–31. Tschoellitsch T, Dünser M, Böck C, Schwarzbauer K, Meier J. Machine learning prediction of SARS-CoV-2 polymerase chain reaction results with routine blood tests. Lab Med. 2021;52:146–9. Banerjee A, Nasir JA, Budylowski P, et al. Isolation, sequence, infectivity, and replication kinetics of severe acute respiratory syndrome coronavirus 2. Emerg Infect Dis. 2020;26:2054–63. Kubánková M, Hohberger B, Hoffmanns J, et al. Physical phenotype of blood cells is altered in COVID-19. Biophys J. 2021;120:2838–47. Stachel A, Daniel K, Ding D, Francois F, Phillips M, Lighter J. Development and validation of a machine learning model to predict mortality risk in patients with COVID-19. BMJ Heal Care Inform. 2021;28:e100235. Zhang JJ, Cao YY, Tan G, et al. Clinical, radiological, and laboratory characteristics and risk factors for severity and mortality of 289 hospitalized COVID-19 patients. Allergy. 2021;76:533–50. Hariyanto TI, Japar KV, Kwenandar F, et al. Inflammatory and hematologic markers as predictors of severe outcomes in COVID-19 infection: a systematic review and meta-analysis. Am J Emerg Med. 2021;41:110–9. Malik P, Patel U, Mehta D, et al. Biomarkers and outcomes of COVID-19 hospitalisations: systematic review and meta-analysis. BMJ Evid Based Med. 2021;26:107–8. McMichael TM, Currie DW, Clark S, et al. Epidemiology of COVID-19 in a long-term care facility in King County, Washington. N Engl J Med. 2020;382:2005–11. Adlhoch C, Kinross P, Melidou A, et al. High impact of COVID-19 in long-term care facilities, suggestion for monitoring in the EU/EEA, May 2020. Eurosurveillance. 2020;25:2000956. Thompson DC, Barbu MG, Beiu C, et al. The impact of COVID-19 pandemic on long-term care facilities worldwide: an overview on international issues. Biomed Res Int. 2020;2020:8870249. Osuchowski MF, Winkler MS, Skirecki T, et al. The COVID-19 puzzle: deciphering pathophysiology and phenotypes of a new disease entity. Lancet Respir Med. 2021;9:622–42. Peiris S, Mesa H, Aysola A, et al. Pathological findings in organs and tissues of patients with COVID-19: a systematic review. PLoS One. 2021;16:e0250708.
Thông tin
Thông tin xuất bản

Springer Science and Business Media LLC

Tập 12

111-129

Thông tin tác giả