この「ディープラーニングの新型コロナ重篤患者の早期トリアージにおける応用」と名付けられた研究は、AIのディープラーニングで構築した生存モデルに基づき、COVID-19患者の入院時の10種の臨床的特徴を分析し、患者の重篤化のリスク予測をサポートする。もし患者の入院期間中に同モデルを持続的に採用し分析すれば、その予測結果はより正確になり、患者の入院期間中のリスク傾向のモニタリングにプラスとなる。

これは鍾氏のチームとテンセントが共同設立したビッグデータ・AI共同実験室の成果の一つだ。双方は今年2月27日に協力し、同実験室を共同設立した。手を携え持続的に新型コロナと戦い、ビッグデータ及びAIによって感染症、呼吸器疾患、胸部疾患のスクリーニングや予防・抑制・早期警報に取り組む。

同研究成果は「微信（WeChat）ミニプログラム」により中国国内の臨床医療従事者に開放されるだけでなく、Githubを通じ世界にも公開される。これにより、世界の新型コロナとの戦いを支援する。医療従事者が患者の臨床的特徴を入力するだけで、重症早期トリアージシステムは患者の5日、10日、30日内の重篤化の確率を導き出し、患者の早期トリアージを行う。これはCOVID-19の管理に対して極めて高い臨床的・経済的価値を持つ。

臨床研究によると、軽度のCOVID-19患者は通常、自己限定的だ。つまり発症が一定程度まで進行した後、体内調節により症状の進行を抑え、徐々に回復し治癒するということだ。しかし患者の6.5％に急に重症化する傾向がある。これらの重症患者は大量の医療・看護資源を必要とし、死亡率も49％と高い。そのため患者の急な重症化は、感染症との戦いにおいて主に注目すべき問題だ。重症リスクのある患者の早急な識別及び早期干渉は、患者の予後の改善にとって極めて重要だ。同時に各リスクを抱える患者を早期識別し効果的な分類を行うことも、医療資源の効率的かつ合理的な配分にプラスとなり、重症化のリスクが最も高い患者が早急に最も適切な医療・看護を受けられるようにする能力は、感染症の大流行時において極めて重要だ。

だが、患者の重症化のリスクを正確に予測するのは容易なことではない。研究チームは、臨床上のこれと関連する患者の特徴が74種にのぼり、従来の方法による正確な予測モデルの構築が難しくなっていることを発見した。しかしビッグデータやAIの発展は不可能を可能にしている。同実験室のチームはテンセントAI Lab技術を中核に、機械学習により変数・アルゴリズムを選択し、患者の10種の特徴指標を確定した。中には、X線画像の異常、年齢、呼吸困難、慢性閉塞性肺疾患、合併症の数、がん罹患歴、好中球とリンパ球の比率、乳酸脱水素酵素、直接反応型ビリルビン、クレアチンホスホキナーゼが含まれている。575の医療センターから来たCOVID-19患者1590人がモデル訓練を行い、ディープラーニング生存Coxモデルを開発した。同モデルはCOVID-19患者の入院時の臨床的特徴に基づき、重篤化のリスクを予測できる。

研究チームは更に同モデルの一致性について検証した。モデルの予測結果の精度の一致性指数（C指数）は0.894で、ディープラーニングを行っていない従来のCoxモデルの0.876より上昇しており、さらにCURB-6モデルの0.75を大幅に上回った。

モデルの普遍性をテストするため、研究チームはエリア及び保健資源水準の異なる3つの独立チームを対象にモデル試験を行った。この3チームは武漢市の940人、湖北省の武漢市以外の地域の380人、新型コロナで健康資源が枯渇しなかった広東省の73人。外部試験患者はモデル訓練患者の範囲と重複しない。3つの独立チームの試験において、C指数が示す重症モデル予測及び実際の発生の一致性は0.878、0.769、0.967となった。10種の臨床的特徴のうち3つ以上当てはまらない患者を除外した後の同数値は0.890、0.852、0.967。これはディープラーニング生存Coxモデルによる正確な予測に普遍性があることを示している。

同AI予測システムは他にも従来の予測モデルと比べ、応用において不足したデータを自動的に補い予測を行い、異なる地域や病院の実情に対応し、応用データの増加に伴い進化を続け、精度を更に高められるといったメリットがある。（編集YF）

「人民網日本語版」2020年7月22日