Para ilmuwan mengidentifikasi karakteristik untuk lebih mendefinisikan COVID yang berkepanjangan

versi baru

Senin 16 Mei 2022

Dengan menggunakan pembelajaran mesin, para peneliti menemukan pola dalam data catatan kesehatan elektronik untuk mengidentifikasi orang yang mungkin memiliki kondisi tersebut dengan lebih baik.

Sebuah tim peneliti yang didukung oleh National Institutes of Health telah mengidentifikasi karakteristik orang yang memiliki COVID jangka panjang dan mereka yang kemungkinan besar memilikinya. Para ilmuwan, menggunakan teknik pembelajaran mesin, telah menganalisis kumpulan catatan kesehatan elektronik (EHR) yang belum pernah ada sebelumnya yang tersedia untuk penelitian COVID-19 guna menentukan dengan lebih baik siapa yang telah menderita COVID dalam waktu yang lama. Jelajahi data EHR yang tidak ditentukan dalam Kolaborasi Nasional COVID Group (N3C), database publik nasional pusat yang dipimpin oleh Pusat Nasional untuk Kemajuan Ilmu Terjemahan (NCATS) dari Institut Kesehatan Nasional, tim menggunakan data untuk menemukan lebih dari 100.000 kemungkinan kasus COVID jangka panjang pada Oktober 2021 (per Mei 2022, jumlahnya lebih dari 200.000). Hasilnya muncul di Kesehatan Digital Lancet.

COVID-19 jangka panjang ditandai dengan gejala yang meluas, termasuk sesak napas, kelelahan, demam, sakit kepala, ‘kabut otak’, dan masalah neurologis lainnya. Gejala-gejala ini dapat bertahan selama beberapa bulan atau lebih lama setelah diagnosis awal COVID-19. Salah satu alasan COVID begitu sulit untuk diidentifikasi begitu lama adalah karena banyak gejalanya mirip dengan penyakit dan kondisi lain. Karakterisasi COVID-19 yang lebih baik dapat mengarah pada peningkatan prognosis dan pendekatan terapeutik baru.

“Masuk akal untuk memanfaatkan alat analitik data modern dan sumber data besar yang unik seperti N3C, di mana banyak fitur COVID yang sudah berjalan lama dapat diwakili,” kata rekan penulis Emily Pfaff, PhD, seorang ilmuwan informasi klinis. di Universitas. Dari Carolina Utara di Chapel Hill.

Kantong data N3C saat ini mencakup informasi yang mewakili lebih dari 13 juta orang secara nasional, termasuk hampir 5 juta kasus positif COVID-19. Sumber daya ini memungkinkan penelitian cepat tentang pertanyaan yang muncul tentang vaksin, perawatan, faktor risiko, dan hasil kesehatan untuk COVID-19.

Penelitian baru ini merupakan bagian dari inisiatif yang lebih besar di National Institutes of Health, Penelitian COVID untuk meningkatkan pemulihan (RECOVER), yang bertujuan untuk meningkatkan pemahaman tentang efek jangka panjang dari COVID-19, yang disebut gejala sisa pasca-akut infeksi SARS-CoV-2 (PASC). RECOVER akan secara akurat mengidentifikasi orang dengan PASC dan mengembangkan pendekatan untuk pencegahan dan pengobatan. Program ini juga akan menjawab pertanyaan penelitian penting tentang efek jangka panjang dari COVID melalui uji klinis, studi observasional longitudinal, dan banyak lagi.

Dalam Lanset Studi, Pfaff, Melissa Heindel, PhD, di Kampus Medis Universitas Colorado Anschutz, dan rekannya memeriksa demografi pasien, penggunaan layanan kesehatan, diagnosis, dan pengobatan dalam catatan kesehatan 97.995 pasien dewasa dengan COVID-19 di N3C. Mereka menggunakan informasi ini, bersama dengan data pada hampir 600 pasien virus corona dari tiga klinik COVID jangka panjang, untuk membuat tiga model pembelajaran mesin untuk mengidentifikasi pasien COVID jangka panjang.

Dalam pembelajaran mesin, para ilmuwan “melatih” metode komputasi untuk dengan cepat menyaring sejumlah besar data untuk mengungkapkan wawasan baru — dalam hal ini, tentang COVID yang panjang. Model mencari pola dalam data yang dapat membantu peneliti memahami karakteristik pasien dan mengidentifikasi individu dengan kondisi tersebut dengan lebih baik.

Model-model tersebut berfokus pada identifikasi pasien COVID-19 jangka panjang potensial di antara tiga kelompok dalam database N3C: semua pasien COVID-19, pasien yang dirawat di rumah sakit dengan COVID-19, dan pasien yang memiliki COVID-19 tetapi tidak dirawat di rumah sakit. Model tersebut terbukti akurat, karena orang-orang yang diidentifikasi memiliki risiko COVID jangka panjang serupa dengan pasien yang terlihat di klinik COVID jangka panjang. Sistem pembelajaran mesin mengkategorikan hampir 100.000 pasien dalam database N3C yang profilnya identik dengan pasien dengan wabah COVID-19 yang berkepanjangan.

Josh Wessel, MD, PhD, penasihat klinis senior di NCATS dan program sains terkemuka di Recover, mengatakan. “Apakah ada sesuatu yang berbeda tentang orang-orang ini sebelum mereka memiliki COVID jangka panjang? Apakah mereka memiliki faktor risiko tertentu? Apakah ada sesuatu tentang bagaimana mereka dirawat selama COVID akut yang dapat meningkatkan atau menurunkan risiko COVID jangka panjang?”

Model mencari fitur umum, termasuk obat baru, kunjungan dokter, dan gejala baru, pada pasien dengan diagnosis positif COVID yang setidaknya 90 hari setelah infeksi akut. Model tersebut mengidentifikasi pasien memiliki COVID yang berkepanjangan jika mereka pergi ke klinik COVID yang berkepanjangan atau menunjukkan gejala COVID yang berkepanjangan dan kemungkinan memiliki kondisi tersebut tetapi belum didiagnosis.

“Kami ingin mengintegrasikan pola baru yang kami lihat dengan kode diagnostik COVID dan memasukkannya ke dalam model kami untuk mencoba meningkatkan kinerjanya,” kata Haendel dari University of Colorado. “Model dapat belajar dari kelompok pasien yang lebih besar dan menjadi lebih akurat. Kami berharap dapat menggunakan pengklasifikasi pasien COVID yang panjang untuk merekrut peserta uji klinis.”

Studi ini didanai oleh NCATS, yang berkontribusi pada desain, pemeliharaan, dan keamanan N3C Enclave, dan NIH RECOVER Initiative, dengan dukungan dari NIH OT2HL161847. Memulihkan koordinat, antara lain, protokol rekrutmen peserta yang disumbangkan oleh pekerjaan ini. Analisis dilakukan dengan data dan alat yang diakses melalui NCATS N3C .daerah data Ini didukung oleh NCATS U24TR002306.

Tentang Pusat Nasional untuk Kemajuan Ilmu Terjemahan (NCATS): NCATS melakukan dan mendukung penelitian tentang ilmu dan operasi translasi — proses di mana intervensi peningkatan kesehatan dikembangkan dan diimplementasikan — untuk memungkinkan lebih banyak perawatan menjangkau lebih banyak pasien dengan lebih cepat. Untuk informasi lebih lanjut tentang bagaimana NCATS dapat membantu mempersingkat perjalanan dari observasi ilmiah ke intervensi klinis, kunjungi https://ncats.nih.gov.

Tentang Institut Kesehatan Nasional (NIH):NIH, lembaga penelitian medis negara itu, mencakup 27 institut dan pusat dan merupakan bagian dari Departemen Kesehatan dan Layanan Kemanusiaan AS. National Institutes of Health adalah lembaga federal utama yang melakukan dan mendukung penelitian dasar, klinis, dan polimedis, menyelidiki penyebab, perawatan, dan pengobatan penyakit umum dan penyakit langka. Untuk informasi lebih lanjut tentang Institut Kesehatan Nasional dan programnya, kunjungi www.nih.gov.

Institut Kesehatan Nasional … Mengubah Penemuan menjadi Kesehatan^®

###