科学家发现隐藏已久的Long-COVID病例 使之前的估计值增加三倍

以前的诊断研究估计，有 7% 的人患有Long-COVID。 然而，一项使用布里格姆综合医院开发的人工智能工具进行的新研究表明，Long-COVID的患病率要高得多，达到22.8%。这种基于人工智能的工具可以筛选电子健康记录，帮助临床医生识别Long-COVID病例。

Long-COVID往往是一种神秘的疾病，它可能包含一系列持久的症状，包括疲劳、慢性咳嗽和感染SARS-CoV-2后的脑雾。

所使用的算法是通过从麻省总布里格姆系统的14家医院和20家社区医疗中心近30万名患者的临床记录中提取去身份化的患者数据而开发出来的。 该结果发表在《医学》（Med）杂志上，它可以识别出更多应该接受治疗的人，以治疗这种可能会使人衰弱的疾病。

"我们的人工智能工具可以将迷雾重重的诊断过程转化为敏锐而专注的诊断过程，让临床医生有能力了解这一具有挑战性的病症，"资深作者、MGB 学习型医疗保健系统人工智能和生物医学信息学中心（CAIBILS）人工智能研究负责人、哈佛医学院医学副教授 Hossein Estiri 说。"通过这项工作，我们或许终于能够看清Long-COVID的真面目--更重要的是，知道如何治疗它。"

在研究中，Estiri及其同事将Long-COVID定义为排除性诊断，同时与感染相关。 这意味着诊断无法在患者的唯一医疗记录中得到解释，但与 COVID 感染有关。 此外，诊断需要在 12 个月的随访期内持续两个月或更长时间。

精确表型： 一种新方法

埃斯蒂里及其同事开发的新方法被称为"精确表型"，它通过筛选个人记录来识别与COVID-19相关的症状和病症，从而跟踪症状的变化，以便将其与其他疾病区分开来。 例如，该算法可以检测出呼吸急促是否由心力衰竭或哮喘等原有疾病引起，而不是由Long-COVID 引起。 只有当所有其他可能性都被排除后，该工具才会将患者标记为Long-COVID。

"医生经常要面对症状和病史的纠缠，不知道该从哪条线索入手，同时还要兼顾繁忙的工作量。 如果有一个由人工智能驱动的工具能有条不紊地为他们完成这项工作，那将会改变游戏规则，"共同第一作者、布里格姆妇女医院内科住院医师 Alaleh Azhir 说，该医院是麻省总布里格姆医疗保健系统的创始成员。

研究人员说，新工具以患者为中心的诊断方法还有助于减轻目前对Long-COVID诊断方法的偏见，他们注意到，带有ICD-10官方诊断代码的Long-COVID诊断方法倾向于那些更容易获得医疗保健服务的人。

研究人员表示，他们的工具比 ICD-10 编码捕获的数据准确率高出约 3%，同时偏差也较小。 具体来说，他们的研究表明，他们确定的长 COVID 患者反映了马萨诸塞州更广泛的人口构成，而不像Long-COVID 算法依赖于单一诊断代码或单个临床会诊，从而使结果偏向于某些人群，如那些更容易获得医疗服务的人群。这种更广泛的范围确保了在临床研究中经常被边缘化的群体不再被忽视。

局限与未来方向

该研究和人工智能工具的局限性包括：算法用于解释Long-COVID 症状的健康记录数据可能不如医生在就诊后临床笔记中记录的数据完整。 另一个限制因素是该算法没有捕捉到可能是Long-COVID 症状的先前病症的可能恶化。 例如，如果患者在出现 COVID-19 之前患有慢性阻塞性肺病，而病情恶化，那么即使这些症状是Long-COVID 指标，算法也可能会将其去除。 近年来 COVID-19 检测的减少也导致难以确定患者何时首次感染 COVID-19。

这项研究仅限于马萨诸塞州的患者。未来的研究可能会在患有慢性阻塞性肺病或糖尿病等特定疾病的患者群体中探索该算法。 研究人员还计划公开发布这一算法，以便全球的医生和医疗保健系统能在他们的患者群体中使用这一算法。

除了为更好的临床治疗打开大门之外，这项工作还可能为未来研究Long-COVID各种亚型背后的遗传和生化因素奠定基础。埃斯蒂里说："有关Long-COVID真正负担的问题--这些问题至今仍难以捉摸--现在似乎更加触手可及了。"