Rutgers研究者、COVID-19の重症度を予測するための画期的な機械学習モデルを開発

COVID-19パンデミックとの闘いにおける重要な前進として、Rutgersの研究者たちは、コロナウイルス症例の重症度を予測できる先駆的な機械学習モデルを発表しました。専念した科学者のチームによって開発されたこの6要素モデルは、患者の予後を評価するための画期的なアプローチを提供し、よりパーソナライズされた効率的な医療を可能にします。

6要素機械学習モデルによるCOVID-19重症度の予測

Robert Wood Johnson医科大学の学生であり、プロジェクトの主任著者であるDavid Natanovが率いる最近の研究において、新しい機械学習モデルがCOVID-19との闘いにおける希望の光として浮上しました。ウイルスがもたらす独自の課題を認識し、Natanovとそのチームは、他の呼吸器疾患と比較してCOVID-19の影響の異常性に対処することを目指しました。

血小板数、ラクト酸、年齢、血液尿素窒素、アスパラギン酸アミノトランスフェラーゼ、C反応性蛋白を指すPLABAC（platelet count, lactate, age, blood urea nitrogen, aspartate aminotransferase, and C-reactive protein）として知られる6つの重要な変数は、COVID-19症例における死亡の確率の主要な指標として特定されました。以前の研究が病院のラボで容易に利用できない技術に依存することが多かったのとは対照的に、Rutgersの研究者たちは、パンデミックのピーク時にRobert Wood Johnson大学病院で900症例以上のデータを集めました。

Natanov氏は、肺炎に使用されるCURB-65などの既存モデルの限界を踏まえ、効率的でアクセスしやすいCOVID-19特化型のモデルの必要性を強調しました。77変数を含む複数のモデルを厳密にテストした結果、PLABACが最も予測力のある変数セットとして浮上しました。

病院にとって、このモデルの実装は患者ケアにおける革命的な変化を意味します。Natanov氏は、入院時に来院患者を客観的に分析し、医師が患者の具体的な症例に基づいてケアを調整できる能力を強調しました。これは、COVID-19の予測不可能性が常に脅威となり得る新しい変異株の場合、特に重要になります。

Natanov氏のチームの博士課程の学生であり研究者であるByron Avihai氏は、大規模なデータ収集と患者のカルテ分析におけるこのプロジェクトの重要性を強調しました。1年半かけて洗練されたこのデータ収集方法は、将来のさまざまな疾患への応用に期待が持てます。Avihai氏は、長期COVID（Post-COVID症候群）とその決定要因を観察するよう研究を拡大する可能性を envision しました。

継続的なモニタリングの重要性

Rutgers大学の研究チームがこのマイルストーンを祝う一方で、絶えず進化し続けるウイルスがもたらす継続的な課題を認識しています。Avihai氏は、ウイルスの絶え間ない変異を指摘し、医療従事者による密接なモニタリングの重要性を強調しました。特筆すべきは、オミクロン変異株の独自性に関する議論で、その前の変異株よりも妊婦を標的とする傾向が強調されました。

Natanov氏は、PLABACモデルが病院で採用され、家族が愛する人の状態をより正確に評価できるようになることを望んでいます。チームは、COVID-19を臨床的実体として研究することにコミットし続けており、このモデルがさまざまな医療現場で広範なポジティブな影響をもたらす可能性を認識しています。

Rutgers研究者の6要素機械学習モデルは、COVID-19パンデミックとの継続的な闘いにおける重要な一歩を表しています。病院が変異株の進化と潜在的な重複感染の課題に引き続き対処する中、このような予測モデルの実装は、患者ケアに対するより効率的で個別化されたアプローチを約束します。この革新的なアプローチは、現在のパンデミックの課題の複雑さをナビゲートするのを支援するだけでなく、将来の感染症管理への希望の光として立ち、医療戦略のパラダイムシフトをマークします。