耶鲁大学公共卫生学院(YSPH)流行病学教授、资深作者瓦西里斯·瓦西里乌(Vasilis Vasiliou)说:“能够预测哪些患者可以被送回家，哪些可能需要重症监护病房住院，这对于卫生官员寻求优化患者健康结果和在疫情爆发期间最有效地利用医院资源至关重要。”研究人员利用
作为疾病模型。该研究结果发表在该杂志的网站上
．
该研究的主要作者、YSPH环境健康科学系的副研究科学家乔治亚·查科夫塔基(Georgia Charkoftaki)说:“我们的人工智能患者分诊平台与典型的COVID-19人工智能预测模型不同。”“它是应对即将到来的病毒爆发的积极和有条理的方法的基石。”
在这项研究中，研究小组收集了2020年在耶鲁纽黑文医院住院的111名COVID-19患者和342名健康个体(医护人员)作为对照的综合数据。根据患者的治疗需求，从不需要外氧到需要气道正压或插管，将患者分为不同的类别。
该研究发现，血浆中一些代谢物升高与COVID-19严重程度有明显相关性。它们包括尿囊素、5-羟基色氨酸和葡萄糖醛酸。
值得注意的是，血液中嗜酸性粒细胞水平升高的患者疾病预后较差，这暴露了一种潜在的新生物标志物。研究人员还指出，需要气道正压或插管的患者表现出血浆血清素水平下降，这是一个意想不到的发现，他们说值得进一步研究。
人工智能辅助患者分诊平台有三个基本组成部分:
临床决策树:这种精准医疗工具结合了疾病预后的关键生物标志物，提供疾病进展的实时预测和患者住院的潜在时间。经过测试的预测模型演示本研究具有较高的准确性。
住院时间估算:平台在5天的误差范围内成功估算患者住院时间。呼吸频率(>18次/分钟)和最低血尿素氮(BUN)，蛋白质代谢的副产品禁忌，都是被发现的延长病人住院时间的重要因素。
疾病严重程度预测:该平台可靠地预测了疾病严重程度和患者入住重症监护病房的可能性。该研究称，这有助于医疗服务提供者识别最有可能患上危及生命的疾病的患者，并使他们能够迅速开始治疗，以优化结果。
作为研究的一部分，研究小组开发了用户友好的软件——代谢组学和临床研究(CSMC)软件的COVID严重程度，该软件集成了机器学习和临床数据，以提供院前患者管理，并在患者到达急诊室时对其进行分类。
“我们的模型平台为管理COVID-19患者提供了一种个性化的方法，但它也为未来的病毒爆发奠定了基础，”YSPH环境健康科学系主任、苏珊·德怀特·布利斯流行病学(环境健康科学)教授瓦西里乌说。“随着世界继续与COVID-19作斗争，我们对未来可能爆发的疫情保持警惕，我们的人工智能平台代表了朝着更有效和数据驱动的公共卫生应对迈出的有希望的一步。”
该研究的局限性包括所有样本都是在2020年3月至5月期间收集的，这是在COVID-19疫苗出现之前的一段时间，也是在瑞德西韦(remdesivir)等许多针对SARS-CoV-2病毒的治疗方法可用之前。这样的治疗可以减少代谢物生物标志物的变化。其次，健康对照人群以白人为主，新冠肺炎患者黑人比例较高。因此，不能排除种族/民族是导致科目差异的一个因素的可能性。
希腊雅典国立和卡波迪斯特里安大学分析化学实验室的研究人员;伦敦帝国理工学院;巴西帕罗大学的卡洛斯化学研究所也参与了这项研究。
参考:
一个以COVID-19为疾病模型的人工智能患者分类平台，用于未来的病毒爆发——(https://humgenomics.biomedcentral.com/articles/10.1186/s40246 - 023 - 00521 - 4)
(来源:每日
