ニューヨークシティーの新型コロナウイルス感染症患者のコホートにおける死亡率と重篤なイベントを予測する機械学習モデルの開発と検証についての研究が報告されている。
新型コロナウイルス感染症の検査陽性となった患者の電子カルテ（EHR）を分析して、入院時の患者の特徴に基づき、入院経過を予測する機械学習モデルを開発。複数の病院と時間軸でモデルを検証した。
エクストリーム勾配ブースト法（XGBoost）とベースライン比較モデルを用いて、入院から3日、5日、7日、10日の時間枠で院内死亡率と重篤イベントを予測。
XGBoost分類はベースライン比較よりも予測精度が上回り、死亡率のレシーバー操作特性曲線下面積（AUC-ROC）は0.8を上回って良好だった。7日目において、重症イベント予測の最も強力な予測因子は、入院時の急性腎障害、LDH上昇、頻脈、高血糖。死亡予測の最も強力な予測因子は、高年齢、アニオンギャップ、およびC反応性蛋白（CRP）。
機械学習のモデルは予測能力が高いと説明している。
2020年11月米国研究。
Vaid A, Somani S, Russak AJ, De Freitas JK, Chaudhry FF, Paranjpe I, Johnson KW, Lee SJ, Miotto R, Richter F, Zhao S, Beckmann ND, Naik N, Kia A, Timsina P, Lala A, Paranjpe M, Golden E, Danieletto M, Singh M, Meyer D, O’Reilly PF, Huckins L, Kovatch P, Finkelstein J, Freeman RM, Argulian E, Kasarskis A, Percha B, Aberg JA, Bagiella E, Horowitz CR, Murphy B, Nestler EJ, Schadt EE, Cho JH, Cordon-Cardo C, Fuster V, Charney DS, Reich DL, Bottinger EP, Levin MA, Narula J, Fayad ZA, Just AC, Charney AW, Nadkarni GN, Glicksberg BS
Machine Learning to Predict Mortality and Critical Events in a Cohort of Patients With COVID-19 in New York City: Model Development and Validation
J Med Internet Res 2020;22(11):e24018
URL: https://www.jmir.org/2020/11/e24018
DOI: 10.2196/24018
PMID: 33027032
