“南宫NG·28”机器学习预测新冠肺炎患者住院时间，多中心研究首次报道

发布时间：2024-09-21 丨 浏览次数：

2020 年 3 月 3 日，来自安康、丽水、镇江、兰州、临夏 5 家登录医院的团队在实滚筒平台 medRxiv 公开发表予以同行评审的研究论文，首次报导了基于机器学习创建的 CT 影像组学模型对新冠肺炎患者住院时间的预测价值。(公众号：)查找到，该研究团队公开发表的研究论文为题“Machine learning-based CTradiomics model for predicting hospital stay in patients with pneumoniaassociated with SARS-CoV-2 infection: A multicenter study”。

录：【 图片来源：medRxiv所有者：medRxiv 】iNature认为，住院时间是新型冠状病毒疾病（COVID-19） 临床肾功能的最重要指标之一。涉及报导表明，SARS-CoV-2 病毒感染患者的中位住院时间为 10 天。

目前，CT 影像学已沦为 COVID-19 肺炎最重要的临床和监测工具。疫情期间，由中国抗癌协会肿瘤人工智能专业委员和国家超级计算出来天津中心构成的项目团队就曾搭起出有 CT 影像综合分析 AI 辅助系统，提升了筛查临床能力。研究团队在兰州、安康、丽水、镇江、临夏 5 家新冠肺炎定点医院，于 2020 年 1 月 23 日到 2 月 8 日期间，召募了 52 事例实验室发病的 SARS-CoV-2 病毒感染患者，搜集了涉及临床资料，对其初始 CT 图像展开了研究。

到了 2020 年 2 月 20 日，研究回避了未出院患者和首次 CT 检查无肺炎展现出患者，最后以 31 事例医治出院的患者为研究对象，共计具备 72 个恶性肿瘤段。另外，研究团队将 10 天作为住院时长的二分类阈值——短期住院（≤10 天）和长年住院（10 天）。由于样本数目受限，研究团队将其中 4 个中心作为训练队列，另外一个中心作为检验队列。针对训练和互相检验数据集中于从肺炎恶性肿瘤中萃取的特征，研究团队研发了基于逻辑重返（Logistic Regression，LR）模型和重返森林（Random Forest，RF）的介入 CT 放射学模型。

录：【 图片来源：medRxiv所有者：medRxiv 】最后结果显示，基于 6 个二级特征的 CT 放射线组学模型对肺炎拆分 SARS-CoV-2 病毒感染患者在短期住院和长年住院有较好的辨别效果，LR 和 RF 曲线下面积分别为 0.97 (95%CI 0.83-1.0) 和 0.92 (95%CI 0.67-1.0)。另外，LR 模型的灵敏度和特异度分别为 1.0 和 0.89，RF 模型在测试数据集上的灵敏度和特异度分别为 0.75 和 1.0，展现出相近。

由此，基于机器学习的 CT 放射线组学模型在预测肺炎拆分 SARS-CoV-2 病毒感染患者住院时间方面具备可行性和准确性。参考资料：https://www.medrxiv.org/content/10.1101/2020.02.29.20029603v1原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：南宫NG·28-www.sandingip.com