研究人員已經證明了一種機器學習模型，該模型可以排除許多急診患者中的COVID-19，并且所有算法所需的都是常規ER血液測試的數據。

佛蒙特大學（University of Vermont）的醫學博士（MHS）的蒂莫西·普蘭特（Timothy Plante）及其同事在《醫學互聯網研究》雜志上描述了他們的項目。

該團隊通過逆轉錄聚合酶鏈反應（PCR）的測試證實了該模型在43家醫院的大約2，200例COVID病例中的模型。

對于陰性對照，他們使用了在同一家醫院就診的10，000名大流行前患者。

為了進行外部驗證，他們使用了23家醫院，這些醫院的PCR確診病例超過1000，大流行前陰性對照約為172，000。

為了評估模型的準確性，Plante及其同事使用了接收器工作特性曲線下的面積以及靈敏度，特異性和負預測值。

根據外部驗證數據集的風險分數截斷（滿分為100）中的1.0，該模型的敏感性為95.9%，特異性為41.7%。

當風險臨界值提高到2.0時，該模型實現了92.6%的靈敏度和59.9%的特異性。

同時，在2.0臨界值下，疾病流行率為1%，10%和20%時，陰性預測值分別為99.9%，98.6%和97%。

作者總結說：“利用多中心臨床數據開發的機器學習模型結合了常用的ED實驗室數據，證明了COVID-19狀態的排除率很高，并且可能為基于PCR的測試的選擇性使用提供信息。”

他們強調說，他們的模型整合了通常收集的實驗室數據，并指出“其辨別精度可以分為優秀到優秀”。

責任編輯：lq