在线症状评估鉴别诊断中的 COVID-19
人工智能
2020-12-02 v3 机器学习
摘要
COVID-19 大流行放大了人们在线寻求医疗解决方案的既有趋势。一类解决方案是症状检查器，其在 COVID-19 背景下变得非常流行。然而，传统症状检查器基于手动策划的专家系统，缺乏灵活性且难以修改，尤其是在我们今天面临的快速变化情境中。这就是为什么所有现有的 COVID-19 解决方案都是手动症状检查器，只能估计该疾病的概率，无法考虑替代假设或给出鉴别诊断。虽然机器学习提供了一种替代方案，但可靠数据的缺乏也使得其难以应用于 COVID-19。在本文中，我们提出了一种结合传统 AI 专家系统与新深度学习模型优势的方法。在此过程中，我们可以利用先验知识以及任意数量的现有数据，快速推导出最能适应当前世界状态和最新科学知识的模型。我们使用该方法训练了一个具有 COVID-19 意识的鉴别诊断模型，可用于医生或患者的医疗决策支持。我们表明，我们的方法能够准确建模关于 COVID-19 的新传入数据，同时保持在过去已建模病症上的准确性。虽然我们的方法在像我们当前面临的极端情境中展现出明显且清晰的优势，我们也表明其灵活性可推广到这一具体但非常重要的例子之外。
引用
@article{arxiv.2008.03323,
title = {COVID-19 in differential diagnosis of online symptom assessments},
author = {Anitha Kannan and Richard Chen and Vignesh Venkataraman and Geoffrey J. Tso and Xavier Amatriain},
journal= {arXiv preprint arXiv:2008.03323},
year = {2020}
}
备注
Accepted at the Machine Learning for Health (ML4H) at NeurIPS 2020 - Extended Abstract