當(dāng)前，新冠肺炎疫情仍在蔓延，全球已確診病例數(shù)突破 1437 萬，死亡數(shù)超過 60 萬，并存在進一步爆發(fā)的風(fēng)險。在感染 COVID-19 的患者中，大多數(shù)呈輕度至中度癥狀，但也有一部分患者的病情初期表現(xiàn)平穩(wěn)，但會以很快的速度惡化，遭遇更高的健康風(fēng)險。因此，快速識別出這類有潛在重癥風(fēng)險的患者，對于抗擊疫情意義重大。

7 月 21 日，騰訊對外披露了其在醫(yī)療健康領(lǐng)域的最新進展。鐘南山院士團隊與騰訊 AI Lab 聯(lián)合發(fā)布了一項利用 AI 預(yù)測 COVID-19 患者病情發(fā)展至危重概率的研究成果，可分別預(yù)測 5 天、10 天和 30 天內(nèi)病情危重的概率，有助合理地為病人進行早期分診。

相比傳統(tǒng)衡量肺炎嚴重程度的 CURB-6 模型和未進行深度學(xué)習(xí)的經(jīng)典 Cox 模型，此次聯(lián)合研究團隊提出的深度學(xué)習(xí)生存 Cox 模型具有更高的預(yù)測準確性。通過回溯 1393 例外部患者的檢驗數(shù)據(jù)，該模型的預(yù)測性能也得到了實踐驗證，證明了模型的可靠性與有效性。

這項研究已在 2020 年 7 月 15 日發(fā)布于國際頂級期刊《Nature》子刊《Nature Communications》。研究成果也已通過網(wǎng)站服務(wù)與微信小程序的形式全面開放，相關(guān)機構(gòu)可免費、快速調(diào)用。同時，模型代碼也在 Github 面向全球開源，以幫助全世界共同戰(zhàn)勝新冠疫情。

這項名為《深度學(xué)習(xí)在新冠肺炎危重患者早期分診中的應(yīng)用》（Early Triage of Critically-Ill COVID-19 Patients Using Deep Learning）的研究，是鐘南山院士團隊與騰訊公司共同成立的大數(shù)據(jù)及人工智能聯(lián)合實驗室的成果之一，第一作者分別是廣州呼吸健康研究院院長助理梁文華博士，以及騰訊 AI Lab 醫(yī)療中心首席科學(xué)家姚建華博士，鐘南山院士、廣州呼吸健康研究院院長何建行、騰訊 AI Lab 醫(yī)療中心負責(zé)人黃俊洲均為共同作者。

在該研究項目中，聯(lián)合研究團隊首先結(jié)合 Cox 生存分析算法與 LASSO 算法，對來自全國 575 家醫(yī)院的 1590 名患者的脫敏入院數(shù)據(jù)進行了分析建模，并從中確定了 10 項能很好預(yù)測重癥風(fēng)險的患者特征，即年齡、是否氣促、是否有惡性腫瘤病史、是否有慢性肺阻、合并癥數(shù)量、是否有 X 光平片異常、血液中性粒細胞與淋巴細胞比例、血液乳酸脫氫酶含量、血液直接膽紅素含量、血液肌酸激酶含量。這 10 項特征都是可以通過常規(guī)的醫(yī)學(xué)檢測手段在合理的時間內(nèi)有效獲取的，因此可用于在早期快速預(yù)測患者的重癥風(fēng)險。

訓(xùn)練隊列中 10 項所選特征的單因素分析，可以看到年齡是新冠肺炎重癥最顯著的風(fēng)險因素之一；事實上超過 60 歲的患者的重癥概率明顯更高

為了更精確地建模這 10 項特征與重癥風(fēng)險的關(guān)系，研究團隊采用了最新的深度學(xué)習(xí)技術(shù)來挖掘數(shù)據(jù)之中的隱含聯(lián)系，進而計算病人的重癥風(fēng)險系數(shù)。具體來說，研究團隊采用了基于深度學(xué)習(xí)的生存分析 Cox 算法對這 10 項指標進行建模。相比于傳統(tǒng)經(jīng)典方法，深度學(xué)習(xí)的優(yōu)勢是可通過神經(jīng)網(wǎng)絡(luò)對特征進行高階非線性組合，從而更深層次地建立特征與目標函數(shù)之間的映射。經(jīng)過訓(xùn)練，所設(shè)計的模型在驗證集上的 C-index （即一致性指數(shù)（index of concordance），通過評估模型預(yù)測結(jié)果與實際觀察結(jié)果的符合程度，以評價模型的預(yù)測準確性，值越接近 1，準確率越高）從 0.876（線性模型）提升到了 0.894，AUC （指受試者工作特征曲線下面積，值在 1.0 和 0.5 之間，在 AUC>0.5 的情況下，AUC 越接近于 1，說明診斷效果越好）從 0.889 提升到了 0.911。

此外，使用該模型對另外 1393 例外部檢驗患者的回溯數(shù)據(jù)分析也獲得了令人滿意的預(yù)測性能。外部測試集中 106 例發(fā)展成重癥的患者中，只有 2 例存在數(shù)據(jù)異常的患者被錯誤劃分到了低風(fēng)險組。同時，該模型在不同中心的數(shù)據(jù)上獲得的 C-index 均高于 0.85，證明了模型的可靠性與有效性。

不僅如此，研究團隊還考慮到了實踐中數(shù)據(jù)不完整的情況，即模型所需的 10 項特征中可能有一部分并未得到測量，原因可能包括接診醫(yī)院不具備測試條件或相關(guān)醫(yī)療資源極度緊張。針對這一問題，研究團隊在系統(tǒng)中加入了多變量數(shù)據(jù)插補模塊，其基于可觀察到的變量來找到相似的樣本作為參考，通過擬合算法來插補缺失的數(shù)值。另一方面，為了提升模型的魯棒性，研究團隊還在訓(xùn)練深度模型的過程中采用了隨機丟棄數(shù)據(jù)并添加數(shù)據(jù)噪音的實踐方法。基于這些數(shù)據(jù)增強策略，最終得到的模型在僅觀測到 7 項特征時依然能取得相當(dāng)好的表現(xiàn)。

當(dāng)然，一項技術(shù)只有得到實際應(yīng)用才能發(fā)揮出真正的價值。研究團隊在深度 Cox 模型的基礎(chǔ)上又加了一層線性 Cox 模型，以便產(chǎn)生可供醫(yī)生解讀的最終結(jié)果。該線性模型會按重要性分別對深度學(xué)習(xí)模型的預(yù)測值與 10 項特征的值賦予不同的權(quán)重，然后通過求和得到最終風(fēng)險系數(shù)。該線性模型可以通過諾模圖進行手動計算，因其便利性在臨床上經(jīng)常被用來綜合各項數(shù)值換算最終評估分數(shù)。通過諾模圖，醫(yī)生可以很直觀地了解各項觀察值與風(fēng)險系數(shù)之間的關(guān)系，同時也可以在沒有電腦的情況下手動計算風(fēng)險系數(shù)。

基于深度學(xué)習(xí)的生存分析 Cox 算法為一位新冠肺炎患者所得到的諾模圖。可以看到該患者的總體諾模圖分數(shù)為 209**，未來 5**、10、**30 天的總體重癥概率分別為 0.58**、0.62、**0.69**，因此該患者被歸類為具有較高的重癥風(fēng)險。

為了惠及患者，讓一線醫(yī)生盡快可以在臨床研究中使用到相關(guān)成果，研究團隊快速開發(fā)部署了網(wǎng)站服務(wù)與微信小程序，使用者只要通過平臺提交對應(yīng)特征的測量數(shù)值就可以立馬獲得分析結(jié)果。為了助力全球共同戰(zhàn)疫，團隊公開了相關(guān)論文，并將模型在 Github 開源。

騰訊 AI Lab 與廣州呼吸健康研究院聯(lián)合發(fā)布的新冠肺炎重癥概率計算工具截圖。該工具用法簡單，幾乎無使用成本，同時也提供了英文版助力全球（尤其是醫(yī)療資源緊張的地區(qū)）戰(zhàn)疫

科技的力量在此次全球抗疫的行動中不斷彰顯，基于數(shù)據(jù)分析和人工智能的技術(shù)方法更是在疫情預(yù)測與防控、風(fēng)險人群評估、相關(guān)藥物開發(fā)、疫苗研發(fā)等應(yīng)用中發(fā)揮了重要作用。騰訊 AI Lab 與廣州呼吸健康研究院等多家研究機構(gòu)與醫(yī)院聯(lián)合開發(fā)的這套新冠肺炎重癥風(fēng)險預(yù)測系統(tǒng)是探索科技戰(zhàn)疫的又一成果。可以預(yù)期，數(shù)據(jù)分析和人工智能未來也必將在醫(yī)療實踐（尤其是對突發(fā)疫情的防控）中發(fā)揮更大的作用。

騰訊 AI Lab 于 2017 年開始 AI+醫(yī)療探索，不斷拓展和深化研究與應(yīng)用，涵蓋影像篩查、病理診斷、藥物研發(fā)多個領(lǐng)域。在研究領(lǐng)域，騰訊 AI Lab 論文多次入選 MICCAI、RSNA 等頂級學(xué)術(shù)會議，自研算法獲得國際級權(quán)威測試平臺冠軍等。在應(yīng)用領(lǐng)域，騰訊 AI Lab 深度參與并主導(dǎo)推動多項應(yīng)用落地，包括為騰訊的國家級影像產(chǎn)品「騰訊覓影」與輔診導(dǎo)診產(chǎn)品醫(yī)療科普平臺「騰訊醫(yī)典」提供了支持，聯(lián)合合作伙伴研發(fā)的中國首款智能顯微鏡獲藥監(jiān)局批準進入臨床應(yīng)用，發(fā)布 AI 驅(qū)動的藥物研發(fā)平臺「云深智藥」等。在國家新基建的背景下，騰訊 AI Lab 發(fā)揮大數(shù)據(jù)挖掘與機器學(xué)習(xí)等先進技術(shù)優(yōu)勢，推動 AI 與醫(yī)療產(chǎn)業(yè)的深度結(jié)合，助力社會整體醫(yī)療健康水平提升。

附：

模型代碼：https://github.com/cojocchen/covid19_critically_ill

網(wǎng)站服務(wù)：https://aihealthcare.tencent.com/COVID19-Triage_en.html

微信小程序：

總結(jié)

以上是生活随笔為你收集整理的Nature 子刊重磅：腾讯与钟南山团队发布新冠危重症 AI 预测模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。