腾讯研发新冠重症AI预测,成果攀上Nature子刊  来源:猎云网  钟南山院士团队与腾讯AI Lab日前透露了利用AI预测COVID-19患者病情发展至危重概率的研究成果,可分别预测5天、10天和30天内病情危重的概率,有助合理地为病人展开早期分诊。" />
头条

钟南山团队携手腾讯研发新冠AI预测 成果登国际期刊:开运·官网

本文摘要:id=”hkstock_hk00700″>腾讯研发新冠重症AI预测,成果攀上Nature子刊  来源:猎云网  钟南山院士团队与腾讯AI Lab日前透露了利用AI预测COVID-19患者病情发展至危重概率的研究成果,可分别预测5天、10天和30天内病情危重的概率,有助合理地为病人展开早期分诊。

id=”hkstock_hk00700″>腾讯研发新冠重症AI预测,成果攀上Nature子刊  来源:猎云网  钟南山院士团队与腾讯AI Lab日前透露了利用AI预测COVID-19患者病情发展至危重概率的研究成果,可分别预测5天、10天和30天内病情危重的概率,有助合理地为病人展开早期分诊。这项研究已在2020年7月15日公布于国际顶级期刊《Nature》子刊《Nature Communications》。  这项取名为《深度自学在新冠肺炎危重患者早期分诊中的应用于》的研究,是钟南山院士团队与腾讯公司联合正式成立的大数据及人工智能牵头实验室的成果之一,第一作者分别是广州排便身体健康研究院院长助理梁文华博士,以及腾讯AI Lab医疗中心首席科学家姚建华博士,钟南山院士、广州排便身体健康研究院院长何星展银行、腾讯AI Lab医疗中心负责人黄俊洲皆为联合作者。

  大数据及人工智能牵头实验室副主任、腾讯医疗副总裁吴文达医生认为,当前新冠肺炎疫情在全球持续蔓延到,高效抗疫、减少患者丧生风险,仍是获得抗疫胜利的关键,期望大数据、人工智能等新技术,以及腾讯海量的用户触达能力,腾讯云安全、较慢部署的能力,需要在抗疫常态化中发挥作用,更加有效地防控流行病疫情。来源:企业供图  此项研究基于人工智能深度自学所创建的存活模型,对COVID-19患者入院时的10项临床特征展开分析,可以协助预测患者发展至危重病情的风险,如在患者住院期间持续使用此模型展开分析,预测结果不会更为精确,有助监测患者住院期间的风险趋势。依据此模型研发出有的预测工具“COVID-19患者重症早期分诊系统”早已在线公开发表于https://aihealthcare.tencent.com/COVID19-Triage_en.html,临床医护工作人员也可以采访微信小程序取得这一工具。

  医护人员只需输出患者的临床特征,重症早期分诊系统就可以回到患者在5、10和30天内病情发展至危重的概率,进而对患者展开早期分诊,对于COVID-19疾病的管理具备极高的临床和经济价值。  同时,这项研究成果也通过Github向全球开源,以反对全球抗击新冠疫情。  临床研究表明,轻度的COVID-19患者一般来说是自限性的,即疾病在再次发生发展到一定程度后,靠机体调节需要掌控病情发展并渐渐完全恢复康复。

但6.5%的患者有忽然进展为相当严重疾病的趋势,这些重症病例不但必须大量的医疗护理资源,其死亡率也低约49%。因此患者忽然好转为重症是抗疫工作中主要注目的问题,尽快辨识有重病风险的患者并早期展开介入,对于患者肾功能的提高至关重要。同时早期辨识有所不同风险的患者展开有效地分类,也不利于医疗资源的高效合理分配,保证最有重症风险的患者尽早获得合适的医疗及护理,这种能力在疫情大规模愈演愈烈时堪称至关重要。

  然而,精确预测患者进展至重症的风险并非易事。研究团队找到,临床中与此相关的患者特征多达74个,这使使用传统方法创建精确的预测模型难以实现。但大数据与人工智能的发展将不有可能变成有可能,大数据及人工智能牵头实验室团队以腾讯AI Lab技术为核心,通过机器学习自由选择变量算法,确认了十个患者特征指标,还包括X线影像出现异常、年龄、呼吸困难、慢性阻塞性肺病、合并症数量、癌症病史、中性粒细胞/淋巴细胞比、乳酸脱氢酶、必要胆红素和肌酸激酶,以来自575个医疗中心的1590名COVID-19患者病例展开模型训练,进而研发出有深度自学存活Cox模型。

这个模型可以根据COVID-19患者入院时的临床特征,预测病情发展至危重病的风险。  研究团队还对深度自学存活Cox模型的一致性展开了检验,评估模型预测结果精准度的一致性指数(C指数)为0.894,较未展开深度自学的经典Cox模型的0.876有所提高,更加明显低于CURB-6模型的0.75。  为测试模型的普适性,研究团队还对有所不同地理区域和有所不同公共卫生资源水平的三个独立国家队列展开了模型测试,三个患者队列涵括武汉940事例、湖北省武汉市以外地区380事例,以及疫情期间并未经常出现身体健康资源耗尽的广东73事例,外部测试病例皆与模型训练病例范围不重合。三个独立国家队列测试中,C指数展现出的重症模型预测与实际再次发生一致性分别为0.878、0.769和0.967,回避10个临床特征参数缺陷多达3个以上患者后的队列测试模型预测与实际再次发生一致性分别为0.890、0.852和0.967,表明深度自学存活Cox模型的精确预测具备普适性。

来源:企业供图  这个AI预测系统较传统预测模型还有其他的优势,还包括应用于当中自动空缺缺陷数据而展开预测,以应付有所不同地区和医院的实际情况,以及可以随着应用于数据的减少而大大演化,准确性可以进一步提高。  今年2月27日,钟南山院士团队与腾讯公司宣告达成协议合作,联合正式成立大数据及人工智能牵头实验室,联手持续抗击新冠肺炎疫情,将以大数据及人工智能攻坚流行病、排便疾病和胸部疾病的筛查和防控预警。

本文关键词:开运·官网,开运·官网(中国)官方网站,开云官方下载

本文来源:开运·官网-www.longmayuan.com

Back To Top
网站地图xml地图