You are currently at: ejtech.hkej.com
Skip This Ads
Don't Miss

AI發現新冠症狀規律|中大藉ChatGPT識別病毒變化

By on March 5, 2024

原文刊於信報財經新聞「EJ Tech 創科鬥室

本港已走出新冠疫情陰霾,惟醫學界對傳染病防控未敢鬆懈,人工智能(AI)正好大派用場。香港中文大學醫學院以文字配對演算法,分析多份截至2022年8月25日的新冠患者病例症狀數據文字報告,揭示症狀會隨病毒變異及患者疫苗接種情況而改變。該項分析更識別出發燒、鼻塞、肺炎和呼吸急促這一組症狀,有助預測未接種疫苗及有病徵的年長患者死亡風險;相關研究發表在醫學期刊《醫學病毒學雜誌》

CUHK
中大醫學院以文字配對演算法分析文字報告,揭示新冠症狀會隨病毒變異,以及患者疫苗接種情況改變;左二為衛藴姸,右二為郭健安。(中大網上圖片)

七成患者發病 打針與否有差異

首先,研究團隊以文字配對演算法,分析逾7.6萬宗新冠病例的文字報告,顯示有70.9%病例出現病徵,並識別出102種症狀。研究揭示,原始型及Delta變異株在未接種疫苗個案中的症狀相似;Omicron BA.2亞變異株的症狀則有所不同,其中7種在BA.2病人更普遍,包括疲倦、發燒、胸口痛、流鼻水、咳痰、惡心或嘔吐,以及喉嚨痛。研究亦顯示,在接種兩劑或以上疫苗的有病徵個案中,感染BA.2較Delta更易引起發燒。

從相關報告提取可分析的數據,極具挑戰性且過程耗時。有見及此,研究人員探索大型語言模型(LLM),例如聊天機械人ChatGPT,能否把新冠症狀文字報告轉化為結構性數據。研究發現,ChatGPT經研究團隊進行提示工程後,從文字報告識別所有新冠症狀,其特異性高達94.7%至100%。識別常見症狀方面,敏感度亦達85.3%至100%,顯示ChatGPT能準確處理文字報告內的數據,論文發表在另一醫學期刊《臨床微生物學和感染》

中大醫學院賽馬會公共衞生及基層醫療學院副研究員衛藴姸提到,研究有助安老院舍作針對性措施及分配資源,亦為AI工具提供發展方向,有助未來流行病的早期檢測、監測及應對。

改善衞生決策及資源分配

中大醫學院賽馬會公共衞生及基層醫療學院副教授郭健安補充,模型能把文字敍述轉換為結構性數據,加快決策過程,並更好地分配資源。此外,模型能隨着傳染病演變而不斷學習及適應,有助為流行病制定有效、數據驅動的策略。

支持EJ Tech

如欲投稿、報料,發布新聞稿或採訪通知,按這裏聯絡我們