外媒 | 机器学习模型可帮助预测COVID-19检测结果-普瑞纯证

佛罗里达大西洋大学的研究人员使用机器学习（ML）预测COVID-19检测结果，并确定哪些症状对产生阳性检测结果起关键作用。根据本月在《智能健康》杂志上发表的一项研究，血清学或基于血液的检测和分子检测是快速COVID-19检测中最常用的两种方法。然而，两种类型的检测使用不同的机制来确定是否存在感染。结果可能因测试类型而异。血清学检测可以检测到由SARS-CoV-2病毒引发的抗体的存在，而分子检测则测量病毒SARS-CoV-2 RNA的存在。但是，免疫反应和病毒载量不断变化，可以在同一人中根据使用的测试类型和发病后的天数观察到阳性和阴性测试结果。研究人员指出，到目前为止，还没有关于血清学和分子检测之间的相关性以及哪些因素最有用于区分COVID-19阳性测试结果和阴性测试结果的研究。为了解决这一研究空白，佛罗里达大西洋大学工程与计算机科学学院的团队训练了五个ML分类算法，基于易于获取的症状和人口统计特征，如发热、温度、年龄和性别，预测COVID-19检测结果。数据收集自2,467名个体，每个人使用一种或多种COVID-19测试进行测试。根据他们的测试结果，捐赠者被标记为COVID-19阳性或阴性。研究人员创建了症状特征“箱”，以代表每个捐赠者。在新闻稿中，研究人员解释说：“由于COVID-19产生了广泛的症状，数据收集过程本质上是容易出错的，我们将类似的症状分组到箱中。没有症状报告的标准化，症状特征空间大大增加。为了解决这个问题，我们使用了这种箱式方法，能够减少症状特征空间，同时保持样本特征信息。”

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。