机器学习预测基于唾液组学数据的COVID-19严重程度水平
摘要：SARS-CoV-2引发的COVID-19的临床谱系广泛，从无症状感染到严重的免疫肺病反应，如果不能正确分类，可能会威胁生命。研究人员根据COVID-19的严重程度将患者评分从1到8，1表示健康，8表示非常严重，评分取决于多种因素，包括临床就诊次数、自首次出现症状以来的天数等。然而，目前的严重程度分级存在两个问题。首先，研究人员在确定患者评分时存在差异，可能导致治疗不当。其次，研究人员使用各种指标来确定患者的严重程度，包括涉及需要侵入性程序的血浆收集指标。本项目旨在通过引入一个基于非侵入性唾液生物标志物的机器学习框架来解决这两个问题。我们的结果表明，我们可以成功地使用唾液组学数据上的机器学习来预测COVID-19患者的严重程度，从而利用唾液生物标志物指示病毒载量的存在。
作者：Aaron Wang, Feng Li, Samantha Chiang, Jennifer Fulcher, Otto Yang, David Wong, Fang Wei
论文ID：2207.07274
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-07-18