AI指示哪些症状可能是COVID-19的主要指标

来自Mayo Clinic和Nference的一组研究人员开发了一项新兴技术，该技术可以分析生物医学出版物中的文本，并报告他们已经使用AI分离了冠状病毒的特征表型。他们声称，咳嗽和腹泻的特定组合，以及失眠（味觉或嗅觉丧失）和大量出汗，构成了最早的电子病历衍生的COVID-19签名，最多出现4到7测试前几天。

合著者的方法可用于发现和分类冠状病毒的早期病例，也许减轻了不堪重负的医院的负担。尽管尚无法治愈COVID-19，但初步研究表明，早期诊断可以大大改善健康状况。

为了进行分析，该团队采用了一种自然语言处理系统，旨在自动识别疾病，药物，表型和其他实体。量化这些实体之间的上下文关联的强度；并将每个关联分类为“正面”，“负面”或“其他”。它采用了Google的Transformer体系结构，该体系结构包含神经元（数学功能），这些神经元分布在各层中，这些层可传输数据信号并调整每个连接的强度（权重）。所有AI模型都学会以这种方式进行预测，但是变形金刚独特地吸引了人们的注意力，使得每个输出元素都连接到每个输入元素。每个元素之间的权重是动态计算的。

该系统从Mayo诊所摄取了8,22,9092份电子病历的临床记录，记录了14,967位接受过PCR检测的患者，这是一种用于检测抗原存在的检测形式（数据集中的272位患者已确认患有COVID-19 ）。从进行PCR测试之日的几周前和几周后，从笔记中提取症状和推定症状。

AI提取的信息显示，在进行PCR测试之前的一周中，有43名COVID-19阳性患者（15.8％）出现腹泻，而只有822名COVID-19阴性患者（5.6％）出现腹泻。在COVID-19患者中，味觉或嗅觉的改变或减弱也被放大，在较小程度上，过度出汗（31位患者，占11.4％），疲劳（37％，占13.6％），头痛（35岁，或12.9％）和咳嗽。有趣的是，尽管有相反的证据，但发烧和发冷对COVID-19的人没有一定的特异性，至少在该患者人群中– 24.6％的COVID-19阳性患者在PCR试验前一周发烧相比于COVID-19阴性患者的18.6％。

在数据的进一步分析中，与COVID-19阴性患者相比，COVID-19阳性患者的27种表型的251种可能的联结中，发现了两种表型-（1）咳嗽和腹泻，以及（2）出汗和腹泻-变得“特别重要”。36例COVID-19病人（13.2％）和486例COVID-19病人（3.3％）同时发生咳嗽和腹泻，表明扩增4倍，而21例COVID-19则同时出现发汗和腹泻。患者（7.7％）与204名无COVID-19的患者（1.4％）。

共同作者总结说：“我们从EHR分析COVID-19进展中得到的发现可以帮助人类病理生理学总结正在研究的针对COVID-19的实验疗法。” “仅依靠[电子病历]推断的警告是，可能导致无症状患者的轻度表型可能无法报告，例如失眠。随着在家中基于血清学的高灵敏度和高特异性的COVID-19测试获得批准，捕获这些症状将变得越来越重要，以促进疾病模型的持续发展和完善。集成了EHR的数字医疗工具可能有助于满足这一需求。”

这项工作是Mayo Clinic与总部位于剑桥的Nference的持续合作的一部分，Nference是Mayo临床数据分析平台计划的参与者。自1月以来，Nference的主要重点一直是确定新药的靶标和生物标志物，使患者与治疗方案匹配以及设计诸如标签扩展，上市后监测和药物用途等应用。