Нейросеть научилась предсказывать, кто в большей мере может пострадать от коронавируса

Иллюстрация: www.gettyimages.com (тп)

 

Ученые из Копенгагенского университета в Дании разработали модель, которая может предсказывать, кто умрет от COVID-19, а кому понадобится аппарат искусственной вентиляции легких. Точность этого прогноза — 90%.

В исследовании, опубликованном в Nature, подробно описывается модель машинного обучения, которую использовали ученые. В качестве обучающих данных для нейросети они взяли статистику по 4-м тысячам случаев коронавируса в Дании, начиная с марта 2020 года. Все эти люди получили хотя бы один позитивный результат теста на COVID-19.

Среди этих пациентов 34,5% были госпитализированы, 4,6% переведены в отделение интенсивной терапии. Всего 8,2% больных, попавших в тестовую выборку, умерли. Для проверки взяли информацию о полутора тысячах пациентов из Биобанка Великобритании, где хранятся данные о 50-ти тысячах людей. Благодаря этому модель не зависит от региональных особенностей медицины и сможет работать с данными из разных стран.

Так как исследователи получили доступ к закрытым медицинским картам пациентов, модель смогла выделить факторы, которые повышают вероятность умереть от коронавируса. Здесь нет никаких открытий: в группе риска можно оказаться из-за возраста и индекса массы тела. Также рискуют люди с гипертонией, неврологическими заболеваниями, астмой, диабетом и болезнями сердца. Среди тех, кто попал в больницу, было больше мужчин, чем женщин, и курильщиков, чем некурящих.

Ученые построили модель прогнозирования на основе машинного обучения, включив данные о пациентах вплоть до выбранных временных рамок течения болезни. Например, во время получения позитивного теста на коронавирус, в первые 12 часов после госпитализации, за 12 часов до поступления в реанимацию, в момент подключения к ИВЛ, за 12 часов до летального исхода.

Это позволило делать прогнозы на разных этапах болезни. Например, на момент постановки диагноза можно предсказать, попадет ли человек в больницу с вероятностью в 82%. Для этого модели нужно проанализировать медицинскую карту пациента и сравнить ее с уже изученными данными.

Главная цель исследования — помочь медицинской системе на этапе планирования. Если больницы будут заранее знать, скольким людям понадобиться госпитализация и сколько нужно аппаратов ИВЛ, они смогут лучше подготовиться.

 

Это также позволит улучшить финансовое планирование, потому что государства смогут просчитать, сколько граждан подвержены максимальным рискам. Кроме того, это даст возможность уделить больше внимания тем людям, для которых коронавирус может оказаться смертельным, и успокоить тех, кому скорее всего ничего не угрожает.

«Мы хотим добиться важной цели — прогнозировать потребность в ИВЛ на 5 дней вперед, предоставляя системе доступ к данным о состоянии здоровья пациентов и положительных результатах тестов на COVID-19 в регионе, – рассказал профессор Мэдс Нильсен. – Компьютер никогда не сможет заменить врача, но он может помочь медикам увидеть потенциально тяжелых больных и установить текущие приоритеты».