由Justin Reese(伯克利实验室)和Peter Robinson(杰克逊实验室)领导的全国各地的研究人员开发了这个软件平台。它分析电子健康记录(EHRs)中的条目,以发现被诊断为长冠病毒患者的常见症状。这有助于定义条件的子类型。
根据伯克利实验室的新闻帖子在美国,研究发现了不同的长冠病毒亚型与先前存在的疾病之间的强相关性。其中包括糖尿病和高血压。
里斯说,这项研究可能有助于提高对个人如何以及为什么出现症状的理解。它还可能使更有效的治疗成为可能,帮助临床医生为特定的子集开发量身定制的治疗方法。
该团队使用了一个包含6469名确诊COVID-19感染后被诊断为长冠患者的EHR信息的数据库。他们使用机器学习将患者分组,然后通过分析症状与先前存在的疾病和其他人口特征之间的关系来表征这些群体。
里斯说:“基本上,我们在每个长COVID患者的EHR数据中发现了长COVID特征,然后使用语义相似性评估患者与患者的相似性,这基本上允许特征之间的‘模糊匹配’——例如,‘咳嗽’与‘呼吸短促’不一样,但它们是相似的,因为它们都涉及肺部问题。”“我们用这种方式比较了这对患者的所有症状,并得出了两名长冠患者相似程度的分数。然后,我们可以对这些分数进行无监督机器学习,以找到不同的亚型。”