Slimību prognozēšanā mašīnmācīšanās arvien vairāk sniedz uzticamu palīdzību cilvēkiem. Epidēmijas laikā tika prognozēts, ka jaunā koronavīrusa pneimonijas pacienti izdzīvošanas līmeni iemācīsies mašīnmācīšanās laikā. 2020. gada martā jaunā koronavīrusa pneimoniju prognozēja pētnieki no Tongji medicīnas koledžas Tongji slimnīcas, Huazhong Zinātnes un tehnoloģiju universitātes, Mākslīgā intelekta un automatizācijas skolas, Kembridžas Universitātes Augu zinātņu skolas, izmantojot interpretējamu mašīnmācīšanās algoritmu. Rezultāti liecināja, ka 2020. gada martā tika atklāti biomarķieri, kas prognozē dzīvildzes līmeni pacientiem ar jaunu kroņa pneimoniju.
Asins paraugi, kas ņemti no jaunā koronavīrusa pneimonijas pacientiem, kuri uzņemti Uhaņas Tongji slimnīcā, tika savākti un analizēti retrospektīvi. Rezultāti: Uhaņas Tongji slimnīcā tika uzņemti 404 pacienti ar pneimoniju. Izmantojot mašīnmācīšanās rīkus, pētnieku grupa beidzot izvēlējās trīs biomarķierus, lai prognozētu atsevišķu pacientu izdzīvošanas līmeni ar precizitāti virs 90%: LDH (laktāta dehidrogenāze), limfocīti un hs CRP (augstas jutības C-reaktīvais proteīns). Jo īpaši var izmantot tikai augsto LDH līmeni, lai atšķirtu lielāko daļu gadījumu, kad nepieciešama tūlītēja ārstēšana.
Jaunā koronavīrusa pneimonijas pētnieki arī veiksmīgi izmantojuši plazmas proteīnu, lai prognozētu dzīvildzes līmeni pacientiem ar jaunu kroņa pneimoniju Berlīnē, kas ir dažas nedēļas agrāk nekā rezultāti.
Proti, jaunā koronavīrusa pneimonijā tika analizēta 321 olbaltumviela 349 paraugos, kas ņemti no diviem asins paraugiem, kas ņemti no diviem neatkarīgiem medicīnas centriem Vācijā un Austrijā. Pēc tam tiek izmantotas īpašas mašīnmācīšanās metodes, lai noteiktu sakarību starp izmērītajiem proteīniem un pacientu izdzīvošanu.
15 pacienti kohortā nomira; Vidējais laiks no uzņemšanas līdz nāvei bija 28 dienas. Izdzīvojušajiem pacientiem vidējais uzturēšanās ilgums bija 63 dienas. Pētnieki identificēja 14 olbaltumvielas, kas laika gaitā mainījās pretējā virzienā, salīdzinot ar pacientiem, kuri nevarēja izdzīvot intensīvajā terapijā.
Pēc tam komanda izstrādāja mašīnmācīšanās modeli, lai prognozētu izdzīvošanu, pamatojoties uz vienu laika mērījumu saistīto proteīnu, un pārbaudīja modeli neatkarīgā validācijas grupā, kurā piedalījās 24 smagi Covid-19 pacienti. Modelis parādīja precīzu prognozēšanas spēju šajā grupā un pareizi prognozēja 18 izdzīvojušo un 5 nāves gadījumu rezultātus 19 pacientiem.
Tas ir neapstrīdams fakts, ka mašīnmācīšanās ir iegājusi cilvēku dzīvē. Nepārtraukti uzlabojoties tehniskajam līmenim, mašīnmācīšanās arvien vairāk sniegs cilvēkiem atbalstu, kas nav cilvēkresenss. Par mašīnmācīšanās sasniegumiem pētnieki secināja, ka, pārbaudot lielākā rindā, Asins olbaltumvielu testēšana var palīdzēt identificēt pacientus ar visaugstāko nāves risku un pārbaudīt, vai ārstēšana mainīs atsevišķa pacienta prognozēšanas trasi
