AI表明哪些症状可能是COVID19的主要指标

在本周Arxiv.org上发表的一篇预印论文中，来自梅奥诊所(Mayo Clinic)和Nference的一组研究人员报告称，他们已经使用人工智能分离出了的表型特征。他们声称，咳嗽、腹泻、嗅觉丧失(味觉或嗅觉丧失)和过度出汗的特定组合，构成了最早的电子医疗记录——covid19的一些特征，这些特征在检测前4到7天就出现了。

联合作者的方法可以用来发现和分类的早期病例，也许可以减轻医院不堪重负的负担。虽然目前还没有治愈的方法，但初步研究表明，早期诊断可以显著改善健康结果。

为了进行分析，研究小组使用了一个自然语言处理系统，该系统旨在自动识别疾病、药物、表型和其他实体;量化这些实体之间的上下文关联的强度;并将每个联想归类为“积极的”、“消极的”或“其他的”。它整合了谷歌的Transformer架构，其中包含神经元(数学函数)，它们按层排列，传输来自数据的信号，并调整每个连接的强度(权重)。所有的人工智能模型都是通过这种方式进行预测的，但变形金刚的独特之处在于，它将每个输出元素都连接到每个输入元素上。每个元素之间的权重是动态计算的。

该系统吸收了来自梅奥诊所的8,22,9092份电子病历临床记录，其中14,967名患者接受了PCR检测，这是一种用于检测抗原存在的检测形式(数据集中的272名患者被证实有covid19)。症状和假定的症状均取自于进行PCR检测前几周和检测后几周的记录。

ai提取的信息显示，在PCR检测前一周，43例covid -19阳性患者(15.8%)出现腹泻，而822例covid -19阴性患者(5.6%)出现腹泻。味觉或嗅觉的改变或减弱在covid19患者中也被放大，同样，在较小程度上，过度出汗(31例，占11.4%)、疲劳(37例，占13.6%)、头痛(35例，占12.9%)和咳嗽也被放大。有趣的是，尽管有相反的证据，发热和寒颤被发现对的患者有一定程度的非特异性，至少在这个患者群体中- 24.6%的阳性患者在PCR检测前一周有发热，而18.6%的阴性患者有发热。

在对数据的进一步分析中，在251例27种表型的关联中，covid -19阳性和covid -19阴性的患者中，有两种表型(1)咳嗽和腹泻，(2)出汗和腹泻，被发现“特别显著”。“咳嗽和腹泻同时发生在36例伴有covid19的患者(13.2%)和486例未伴有covid19的患者(3.3%)中，显示了4倍的放大，而出汗和腹泻同时发生在21例伴有covid19的患者(7.7%)和204例未伴有covid19的患者(1.4%)中。