革命性人工智能工具由麻省總醫院開發，承諾揭示長期新冠的真實範圍
作者：本傑明·科爾特斯
發佈日期：2024年11月11日
來源：哈佛公報
麻省總醫院的研究人員開發了一種新的人工智能工具，這或許能顯著改善我們對長期新冠（long COVID）的理解，這是一種困擾許多從病毒中康復者的狀況。最初的診斷研究顯示，大約7%的人遭受長期新冠症狀。然而，這一創新的人工智能診斷工具表明，實際情況可能更加嚴重，影響了近23%的人口，據《哈佛公報》報導。
這一狀況的特徵是持續的多種症狀，如疲勞、慢性咳嗽和腦霧，因其變異性使得醫療提供者難以診斷。該人工智能工具通過分析麻省總醫院系統內近30萬名患者的電子健康記錄，旨在簡化診斷過程，通過檢查症狀和健康模式來區分長期新冠與其他類似疾病，這是當前診斷中的一大障礙。
麻省總醫院學習健康系統的AI與生物醫學信息學中心（CAIBILS）負責人、哈佛醫學院副教授霍賽因·埃斯提里（Hossein Estiri）告訴《哈佛公報》：“我們的AI工具可以將模糊的診斷過程轉變為清晰而專注的過程，使臨床醫生能夠理解這一具有挑戰性的狀況。”他補充說：“通過這項工作，我們終於能夠真實地看待長期新冠的本質，更重要的是，如何治療它。”
該AI的“精確表型”（precision phenotyping）方法是一種新穎的技術，能夠在患者記錄中篩選出無法歸因於其他原因的長期新冠症狀，這是一項醫療提供者在繁忙日程中難以完成的複雜任務。根據該研究的共同首席作者、布里根婦女醫院的內科住院醫師阿拉勒·阿茲希爾（Alaleh Azhir）所說，這一方法可能成為改變遊戲規則的工具。“醫生經常面臨必須在錯綜複雜的症狀和病史中摸索的挑戰，無法確定應該著重於哪些線索，同時還要平衡繁忙的病患負擔。”
此外，該AI工具可能有效解決當前診斷過程中固有的偏見，採用以患者為中心的方法。研究人員觀察到，目前依賴ICD-10代碼的長期新冠診斷往往傾向於那些更容易獲得醫療服務的人群。通過更貼近麻薩諸塞州的人口結構，該AI工具提供了一個相對不偏頗且準確性略高約3%的診斷結果。
然而，這一工具並非沒有局限性。健康記錄數據不完整以及COVID-19測試的減少使得識別過程變得複雜，但研究人員將此視為進一步發展的基石。未來的研究將探討該工具在特定患者群體中的有效性，並計劃將AI算法開放使用，以便更廣泛的應用，埃斯提里進一步解釋道。
這一突破不僅可能對長期新冠的診斷產生影響，還可能為研究該病症亞型的遺傳和生化基礎奠定基礎。埃斯提里表示：“有關長期新冠的真實負擔的問題——這些問題迄今為止一直難以回答——現在似乎變得更加觸手可及。”這表明在持續努力應對COVID-19大流行後果的過程中，未來充滿希望。
這篇報導不僅展示了科技在醫療領域的潛力，也提醒我們對於長期新冠的認識仍然有限，未來的研究將是解開這一難題的關鍵。隨著這類人工智能工具的發展，醫療界能否真正理解並有效治療長期新冠，將是我們需要密切關注的焦點。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
