研究人员创建了一种新的高级人工智能工具，旨在通过分析患者的医疗记录来检测隐秘的长期新冠病例。这种创新方法被证明比仅依靠诊断代码的现有工具更有效。根据研究作者的说法，约22.8%的人经历长期新冠症状，这一比例高于之前的估计，可能为国家趋势提供了更准确的表示。
在马萨诸塞州综合医院，研究团队开发了一种人工智能工具，分析电子健康记录，以帮助医疗提供者识别长期新冠病例。这种常常令人困惑的状况可能涉及持续的症状，如疲劳、慢性咳嗽和认知障碍，发生在COVID-19感染后。发表在期刊《医学》上的研究结果表明，可能有更多人需要对这种可能导致残疾的病症进行护理，这表明长期新冠的实际患病率可能被严重低估。
“我们的人工智能工具有潜力将不清晰的诊断过程转变为明确和精准的过程，使临床医生能更好地理解这种复杂的状态，”首席作者霍赛因·埃斯提里博士说，他是马萨诸塞州综合医院学习医疗系统的人工智能和生物医学信息学中心的AI研究主管，同时也是哈佛医学院的副教授。“随着这一进展，我们可能终于能够以其真实的形式认识长期新冠，并重要的是，确定有效的治疗方法。”
长期新冠，也称为COVID-19感染的后急性并发症（PASC），涵盖广泛的症状。埃斯提里及其团队在研究中将其定义为与COVID-19感染相关，且无法用患者病史中的任何其他现有疾病解释的诊断。此外，症状必须在一年跟踪期内持续至少两个月。
该人工智能工具的算法是使用来自马萨诸塞州综合医院系统内近30万患者的临床记录的匿名数据开发的。该算法不依赖单一的诊断代码，而是采用一种叫做“精准表型”的新技术，检查与COVID-19相关的症状和疾病并监测这些症状随时间的变化，以将它们与其他疾病区分开。例如，算法能够确定呼吸急促是否由于现有疾病（如心力衰竭或哮喘）引起，而不是由于长期新冠，只有在彻底评估所有其他可能的解释后，才会将患者归类为有长期新冠。
“医生在管理繁重的病例时，常常面临穿梭于复杂的症状和医学历史之间的艰巨任务。一个能够系统性分析这些数据的AI工具可能会彻底改变诊断方法，”阿拉莱赫·阿兹希尔博士，联合首席作者和布里根妇女医院的内科住院医师表示，布里根妇女医院是马萨诸塞州综合医院医疗系统的核心组成部分。
研究人员指出，通过提供以患者为中心的诊断，这种新方法可能有助于减少当前长期新冠诊断实践中固有的偏见。他们指出，使用官方ICD-10代码诊断的患者通常获得更好的医疗服务。虽然之前的研究估计约7%的人口患有长期新冠，但这一新策略表明，估计的比例高达22.8%。作者相信，这一数字与实际的国家趋势更为接近，并提供了对疫情长期影响的更准确描述。
研究团队发现，他们的工具比ICD-10代码捕捉到的数字准确度高出约3%，且整体偏见更少。他们的研究显示，被识别为有长期新冠的人群反映了马萨诸塞州更广泛的人口特征，这使其与那些依赖单一诊断代码或孤立临床互动的长期新冠算法有所不同，因为后者往往导致结果偏向于更易获取医疗服务的人群。“通过采用更广泛的视角，我们可以确保被忽视的边缘群体在临床研究中不再被视为隐形，”埃斯提里说道。
该研究和人工智能工具的一些局限性包括算法中使用的健康记录数据可能没有医生在其就诊后临床记录中记录的信息那么全面。此外，算法可能会忽略可能加重的先前病状，这可能表明长期新冠症状。例如，如果一名患者患有慢性阻塞性肺病（COPD），在感染COVID-19之前曾经历加重发作，算法可能会错误地将其排除，即使他们长期以来的症状是长期新冠的指示。近年来COVID-19检测率的下降也使得确定患者首次感染病毒的时间复杂化。此外，研究仅对马萨诸塞州的患者进行。
未来的研究可能会评估算法在特定患者群体中的有效性，例如那些患有COPD或糖尿病的人。研究人员还计划将该算法向全球的医疗提供者和系统公开。
通过为改善临床护理铺平道路，这项研究也可能为未来对长期新冠各种亚型的遗传学和生化因素的调查建立基础。“我们现在可以探索有关长期新冠真实影响的问题，这在以前一直很难解决，”埃斯提里指出。
作者：除了埃斯提里，马萨诸塞州综合医院的团队还包括阿拉莱赫·阿兹希尔、乔纳斯·赫格尔、贾兹·田、靖雅·程、英格丽德·V·巴塞特、艾米莉·S·刘、叶夫根尼·R·塞门诺夫、弗吉尼亚·A·特里安特、扎卡里·H·斯特拉瑟、杰弗里·G·克兰和肖恩·N·墨菲。其他贡献者包括道格拉斯·S·贝尔、埃尔默·V·伯恩斯坦、玛哈·R·法哈特、达伦·W·亨德森、米歇尔·莫里斯和香亚姆·维斯维斯瓦兰。
资助：这项工作得到了国家卫生研究院、国家过敏和传染病研究所（NIAID）R01AI165535、国家心肺血液研究所（NHLBI）OT2HL161847，以及国家转化科学推进中心（NCATS）UL1 TR003167、UL1 TR001881和U24TR004111的支持。J·赫格尔的研究还部分通过德国学术交流服务（DAAD）和联邦教育与研究部（BMBF）的IFI项目的奖学金资助，以及德国研究基金会（426671079）资助。
