新芒x 5月19日消息 美国国立卫生研究院（NIH）支持的科学家开发了机器学习模型来识别疑似慢性冠状病毒感染的患者。
人工智能系统发现了这种情况的风险因素，包括先前存在的慢性疾病，如糖尿病和慢性肾脏疾病，以及感染后的长期症状，如胸痛、不适和睡眠障碍。
这种情况的特点是广泛的症状，如疲劳、呼吸急促、发烧和“脑雾”。
为了训练三个机器学习模型，科学家们利用了近10万名COVID检测呈阳性的患者的电子健康记录中的数据，其中包括近600名诊断和治疗长期COVID的患者。这些模型被训练来识别数据点，以区分长期COVID患者和非长期COVID患者。
经过培训，AI系统被应用到一个更大的电子健康记录数据库中，该数据库代表了近500万病毒患者。人工智能能够识别出100,000多名患者，他们有许多长期冠状病毒感染的症状和风险因素。截至今年5月，这一数字已超过20万。
人工智能可以用来更好地识别可能患有这种疾病的人。科学家们希望对人工智能进行更多数据的培训，然后招募长期COVID患者参加临床试验。
该研究在《柳叶刀数字健康》上发表的一项新研究中进行了概述。
