El aprendizaje automático ha estado ayudando a abordar COVID durante mucho tiempo

COVID ha surgido durante mucho tiempo como una pandemia dentro de una pandemia. Mientras los científicos trabajan para resolver muchas preguntas que quedan sin respuesta sobre cómo la infección primaria afecta el cuerpo, ahora también deben investigar por qué algunas personas desarrollan síntomas crónicos y debilitantes que duran meses o años más.

Una nueva herramienta de aprendizaje automático está aquí para ayudar.

Desarrollado por un equipo de investigadores de instituciones de todo el país, dirigido por Justin Reese del Berkeley Lab y Peter Robinson del Jackson Lab, el programa analiza entradas en Registros electrónicos de salud (EHR) para encontrar síntomas comunes entre las personas a las que se les ha diagnosticado COVID durante mucho tiempo e identificar los subtipos de la afección. el Investigarque se describió en un nuevo artículo en eBioMedicinatambién identifica fuertes asociaciones entre diferentes subtipos prolongados de COVID y condiciones preexistentes como diabetes e hipertensión.

Según Reese, científica investigadora informática en el área de Biociencias en Berkeley Lab, esta investigación ayudará a mejorar nuestra comprensión de cómo y por qué algunas personas desarrollan síntomas prolongados de COVID y puede permitir tratamientos más efectivos al ayudar a los médicos a desarrollar tratamientos adaptados a cada grupo. Por ejemplo, archivo el mejor remedio Para pacientes con náuseas y Dolor de estómago Puede ser muy diferente del tratamiento para personas con tos persistente y otros síntomas pulmonares.

El equipo desarrolló y validó su software utilizando una base de datos de información de registros de salud electrónicos de 6469 pacientes diagnosticados con COVID-19 mucho después de la infección confirmada con COVID-19. “Esencialmente, encontramos características largas de COVID en los datos de EHR para cada paciente largo de COVID, y luego evaluamos la similitud de paciente a paciente usando la similitud semántica, que básicamente permite una ‘coincidencia aproximada’ entre características; por ejemplo, ‘tos’ no es lo mismo «, dijo. La ‘dificultad para respirar’ de Reese, pero son lo mismo porque ambos involucran problemas pulmonares». «Comparamos todos los síntomas de un par de pacientes de esta manera y obtenemos una puntuación de cuán similar es el COVID largo de dos pacientes. Luego podemos ejecutar el aprendizaje automático no supervisado en estos puntajes para encontrar diferentes subtipos de COVID largo».

Los investigadores aplicaron el aprendizaje automático a las puntuaciones de similitud de paciente a paciente en el bloque. Los pacientes en grupos, que luego se diferenciaron mediante el análisis de las relaciones entre los síntomas, las enfermedades preexistentes y otros rasgos demográficos, como la edad, el género o la etnia.

Reese y sus colegas señalan que la herramienta sería una buena opción para los investigadores porque, en esencia, el enfoque de aprendizaje automático se adapta automáticamente a diferentes sistemas de registros médicos electrónicos, lo que permite a los investigadores recopilar datos de una variedad de instituciones médicas.

Esta investigación se basa en trabajos previos que desarrollan fenotipos humanos, una base de datos de acceso abierto y herramienta de búsqueda Proporciona un vocabulario estandarizado para los síntomas y características que se encuentran en todas las enfermedades humanas.