3个标志物提早10天预知死亡率
准确把握新冠肺炎患者的病情是科学治疗、降低病死率的关键。英国《自然·机器智能》杂志近期刊登我国一项研究称，最新研发的预测模型借助3个生物标志物，可提早、准确预测新冠死亡率。
该研究由华中科技大学同济医学院附属同济医院急诊科副主任医师严丽、急诊与重症医学科主任李树生、麻醉科徐慧以及华中科技大学人工智能与自动化学院教授袁烨团队完成。为了寻找可靠的死亡风险标志物，研究人员对武汉市485名新冠肺炎患者的血液样本进行分析。这些病患的血样采集时间为2020年1月10日~2月18日，研究人员将其分为两组：375份用于建模研究，其余110份用于建模测试。前一组患者中201人康复出院，174人死亡；后一组患者中97人幸存，13人死亡。研究人员将患者基本信息、疾病症状、血检结果、病症程度等一系列数据输入数学建模，根据机器学习算法筛查出可预测新冠死亡率的3个主要生物标志物：乳酸脱氢酶、淋巴细胞、超敏C反应蛋白。依据上述生物标志物水平可至少提前10天预测新冠患者死亡风险，准确率超过90%。
研究人员表示，乳酸脱氢酶是身体组织损伤的标志，该指标升高表明新冠患者肺部损伤程度加重。超敏C反应蛋白是身体炎症持续的标志，也是急性呼吸窘迫综合征预后不良的表现。而淋巴细胞减少在新冠患者中最为多见，与病情严重程度和死亡率密切相关。上述标志物的检测在普通医院即可完成。▲
(林 烽), 百拇医药
该研究由华中科技大学同济医学院附属同济医院急诊科副主任医师严丽、急诊与重症医学科主任李树生、麻醉科徐慧以及华中科技大学人工智能与自动化学院教授袁烨团队完成。为了寻找可靠的死亡风险标志物，研究人员对武汉市485名新冠肺炎患者的血液样本进行分析。这些病患的血样采集时间为2020年1月10日~2月18日，研究人员将其分为两组：375份用于建模研究，其余110份用于建模测试。前一组患者中201人康复出院，174人死亡；后一组患者中97人幸存，13人死亡。研究人员将患者基本信息、疾病症状、血检结果、病症程度等一系列数据输入数学建模，根据机器学习算法筛查出可预测新冠死亡率的3个主要生物标志物：乳酸脱氢酶、淋巴细胞、超敏C反应蛋白。依据上述生物标志物水平可至少提前10天预测新冠患者死亡风险，准确率超过90%。
研究人员表示，乳酸脱氢酶是身体组织损伤的标志，该指标升高表明新冠患者肺部损伤程度加重。超敏C反应蛋白是身体炎症持续的标志，也是急性呼吸窘迫综合征预后不良的表现。而淋巴细胞减少在新冠患者中最为多见，与病情严重程度和死亡率密切相关。上述标志物的检测在普通医院即可完成。▲
(林 烽), 百拇医药