基于机器学习从唾液组学数据预测COVID-19严重程度
定量方法
2022-07-18 v1
摘要
严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)——导致COVID-19大流行的冠状病毒毒株——的临床谱广泛,从无症状感染到严重的免疫肺反应,若未恰当分类可能危及生命。研究人员根据包括就诊次数、出现首发症状以来的天数等在内的多种因素,将COVID-19患者按严重程度从1到8分级,1为健康,8为极重。然而,当前的严重程度判定存在两个问题。首先,研究人员在确定这些患者评分时存在差异,可能导致不当治疗。其次,研究人员使用多种指标判定患者严重程度,包括涉及血浆采集等侵入性操作的指标。本项目旨在通过引入一种基于无创唾液生物标志物的机器学习框架来统一严重程度判定,从而解决这两个问题。我们的结果表明,我们可成功利用机器学习对唾液组学数据进行分析,以预测COVID-19患者的严重程度,并通过唾液生物标志物指示病毒载量的存在。
引用
@article{arxiv.2207.07274,
title = {Machine Learning Prediction of COVID-19 Severity Levels From Salivaomics Data},
author = {Aaron Wang and Feng Li and Samantha Chiang and Jennifer Fulcher and Otto Yang and David Wong and Fang Wei},
journal= {arXiv preprint arXiv:2207.07274},
year = {2022}
}