該研究由浙江溫州中心醫院、蒼南縣人民醫院、美國紐約大學及哥倫比亞大學合作完成。研究人員分析了浙江兩家醫院收治的53名新冠肺炎患者的人口統計學、實驗室檢測和放射學檢查結果等數據，發現對於早期輕症患者來説，一些被認為是新冠肺炎的標誌性臨床特徵，如發燒、肺部出現毛玻璃樣斑塊、強烈的免疫反應等，對預測其是否會發展成嚴重肺部疾病並沒有多大用處，而丙氨酸轉氨酶（ALT）輕度升高、肌痛（身體疼痛）和血紅蛋白（紅細胞）水準升高這3個臨床特徵，在預測疾病後續發展方面更有用。他們據此開發的預測模型，能夠準確地幫助醫生預測早期新冠肺炎輕症患者中誰將患上急性呼吸窘迫綜合徵（ARDS，是新冠肺炎的嚴重預後）。研究人員在論文中稱，他們的模型在預測嚴重病例方面準確率達到了70%—80%。

 

　　研究人員指出，全球新冠肺炎疫情日益嚴重，迫切需要提高臨床醫生對這種疾病的臨床敏銳度，並在醫療資源有限的情況下增強資源分配決策的科學性。他們此項研究的目標，一是確定可預測新冠肺炎病情發展結果的臨床特徵組合，二是開發出能在患者初次就診時就可預測其嚴重疾病風險的AI工具。儘管因數據集較小，研究對象病情嚴重程度有限，他們的研究有一定的局限性，預測模型還有待進一步驗證，但作為病情預測的一種新工具，它會幫助到醫生，有望成為他們進行病情診斷及決策的有力輔助手段。（劉海英）