COVID-19パンデミックにおいて、医療機関の検査能力を超えた過重な負担が話題となり続けた。発熱や呼吸器症状は、インフルエンザをはじめとした他の感染症にも高頻度にみられる一般的症状であるが、検査リソースが不足する場合には、一定割合をやはり「症状によるスクリーニング」に頼らざるを得ない。米ジョージ・メイソン大学の研究チームは、「インフルエンザ感染症の季節性と有病率データを取り入れ、症状からCOVID-19との鑑別を行うAIアルゴリズム」の開発を進めている。
同大学の発表によると、アルゴリズムは中国のCOVID-19患者774名と米国のCOVID-19患者273名の臨床データ、および米国のインフルエンザ患者2,885名とインフルエンザ様疾患884名のデータを基に、両疾患を識別する機械学習モデルをトレーニングした。結果、症状に関する情報からCOVID-19をAUC 0.79という比較的高い精度で識別することができた。インフルエンザの流行期以外では、発熱がCOVID-19の強い予測因子となり、インフルエンザの流行期では、咳症状がCOVID-19よりもインフルエンザを予測する因子となることが示された。また、COVID-19診断においては「症状のクラスター」がより重要であることも明らかにされている。同研究の最新の成果はQuality Management in Health Careに掲載された。
ジョージ・メイソン大学のインタビューに対し、研究責任者のFarrokh Alemi氏は「アルゴリズムが役に立つとはいえ、臨床医が治療を提供しながらこのような計算を行うには複雑過ぎる。現場で簡易に利用できるウェブベースの計算ツールを作成し、臨床医が診察前に推定診断にたどり着くことが次のステップとなる」と語り、来るパンデミックに備えた現実的なソリューションの提供をチームでは目指している。
関連記事：
