从常规血液检测中分诊中度COVID-19与其他病毒性肺炎
机器学习
2020-05-15 v1 机器学习
摘要
COVID-19正以致命后果席卷全球。其传染特性及与其他肺炎的临床相似性，使得区分感染COVID-19者与患非COVID-19病毒性肺炎者成为优先事项与挑战。然而，即便在美国等发达国家，COVID-19检测也极大受限于现有方法的可用性与成本。鉴于常规血液检测广泛可用，我们提议利用其并借助机器学习的力量进行COVID-19检测。我们采用两类已被证明稳健的机器学习模型族——随机森林（RFs）与支持向量机（SVMs）来应对该挑战。在208名中度COVID-19受试者和86名非COVID-19中度病毒性肺炎受试者的血液数据上训练后，基于SVM的分类器取得了最佳结果：准确率84%、灵敏度88%、特异度80%、精确率92%。从机器学习和医学两个角度均发现结果可解释。我们建立了一个隐私保护的网络门户以帮助医务人员实践，并发布了训练好的模型供开发者进一步构建其他应用。我们希望我们的结果能帮助全球抗击这一大流行，并欢迎在更大人群上对我们方法进行临床验证。
引用
@article{arxiv.2005.06546,
title = {Triaging moderate COVID-19 and other viral pneumonias from routine blood tests},
author = {Forrest Sheng Bao and Youbiao He and Jie Liu and Yuanfang Chen and Qian Li and Christina R. Zhang and Lei Han and Baoli Zhu and Yaorong Ge and Shi Chen and Ming Xu and Liu Ouyang},
journal= {arXiv preprint arXiv:2005.06546},
year = {2020}
}