這種疾病輕度地打擊了大多數(shù)人，但有些卻很重，因此在被感染者中難以預測，因此造成了嚴重破壞，這似乎是AI的預測能力出色的目標。

因此，在一項小型但有希望的研究中，它與COVID-19配合使用了針對嚴重性嗅探算法的算法。

由紐約大學的研究人員與中國的兩家醫(yī)院合作開發(fā)的實驗性決策支持工具可以幫助ER醫(yī)師確定哪些患者可以住院，哪些患者可以回家。這是在大流行期間做出的一個關鍵決定，大流行使許多醫(yī)院的資源超出了產(chǎn)能。

為了測試AI工具，研究人員從53例患者中收集了人口統(tǒng)計學，實驗室和放射學發(fā)現(xiàn)，這些患者在一月份在參與研究的兩家中國醫(yī)院的新型冠狀病毒測試中呈陽性。

與世界各地的典型情況一樣，幾乎所有53位患者最初都表現(xiàn)出輕度的咳嗽，發(fā)燒和胃部不適。但是，一周之內(nèi)，少數(shù)患者出現(xiàn)了嚴重的肺炎或急性呼吸窘迫綜合征（ARDS）。

事實證明，與早期的小型研究相反，肺部成像和其他標志物（包括年齡和性別）中觀察到的模式對預測哪些患者會生病沒有幫助。

相反，發(fā)現(xiàn)了AI工具，三個生理指標的變化是即將發(fā)展的嚴重疾病的最佳預測指標：血紅蛋白水平升高，深部肌肉疼痛（肌痛）和肝酶丙氨酸氨基轉移酶水平略有升高。

權衡這些讀數(shù)以及其他因素后，該團隊應用了其AI工具并以高達80%的準確度預測了ARDS的風險。

該工作于3月30日在線發(fā)表在《計算機，材料與連續(xù)材料》上。

在紐約大學發(fā)送的新聞稿中，相應的研究作者梅根·科夫（Megan Coffee，MD，PhD）說，該模型需要在更大的研究中進行驗證。

她補充說，盡管它“僅是支持醫(yī)生在治療病毒感染方面來之不易的臨床經(jīng)驗，但它“有望成為預測最易感染該病毒的患者的另一種工具”。