AI抗疫!美國科學家正藉助機器學習、大數據尋找新冠肺炎最佳療法
摘要:在COVID-19出現之前,Angus和廣泛的國際合作者已經開發了一個平臺,稱爲REMAP-Community Acquired Pneumonia (REMAP-CAP),用於在非大流行和大流行環境中尋找重症肺炎的最佳治療方法。REMAP(隨機、嵌入式、多因素、自適應平臺)使研究人員能夠以較低的成本和比傳統臨牀試驗更少的患者同時快速測試多種治療方法。
匹茲堡大學醫學院的研究人員開發了一項新的臨牀試驗,提出了一個應對COVID-19大流行期間的重要問題:醫生們應該如何決定是迅速採用新療法,比如抗瘧疾藥羥氯喹,還是等到更長時間的臨牀試驗後再做決定?
醫學博士、公共衛生碩士、教授、匹茲堡大學和匹茲堡大學醫學中心重症監護醫學部主任德里克·安格斯(Derek Angus)說:“解決的辦法是找到一個最佳的折衷方案,是現在就採取行動,比如開非適應症藥物的處方,還是等到傳統的臨牀試驗結束後再採取行動。”
“我們開發了一種適應性臨牀試驗模型,它依靠一種稱爲強化學習的人工智能來識別最佳的、有證據支持的COVID-19療法,比使用傳統的科學方法要快得多。”
在COVID-19出現之前,Angus和廣泛的國際合作者已經開發了一個平臺,稱爲REMAP-Community Acquired Pneumonia (REMAP-CAP),用於在非大流行和大流行環境中尋找重症肺炎的最佳治療方法。
當COVID-19開始傳播時,REMAP-CAP根據其目的迅速適應,納入了針對SARS-CoV-2病毒的額外治療方案。國際團隊在近日出版的美國胸科學會年鑑(AnnalsATS)上的一份手稿中描述了REMAP-CAP平臺。
REMAP(隨機、嵌入式、多因素、自適應平臺)使研究人員能夠以較低的成本和比傳統臨牀試驗更少的患者同時快速測試多種治療方法。2015年,安格斯在《美國醫學會雜誌》(JAMA)上首次描述了REMAP設計,它是所謂“適應性平臺試驗”的靈活版本。
安格斯指出,建立在REMAP-CAP平臺基礎上的UPMC-REMAP-COVID19試驗將特別強大,因爲它將與UPMC(匹茲堡大學醫學中心)的電子健康記錄系統集成在一起。
“在大流行的情況下,醫生們將沒有時間就每一個可能的臨牀試驗的利弊進行辯論。通過在護理點建立這種一站式解決方案,我們正在推出一種方法,可以確保每位使用COVID-19入院的患者,如果他們願意,都可以參加該項目。”
安格斯最近在《美國醫學會雜誌》(JAMA)上發表了一篇觀點,主張“邊做邊學”的方法。他說:“我們必須拋棄舊的思維方式,把臨牀護理和臨牀研究融合到一個極其有效的系統中。”
“這是一場前所未有的大流行,我們需要採取前所未有的應對措施。” UPMC-REMAP-COVID19將在UPMC的40家醫院系統中開放,並開始以不同的組合同時測試多種治療方法——包括羥基氯喹、類固醇和一種稱爲免疫調節劑的藥物,這種藥物可以改變免疫系統的反應。
此外,由於UPMC-REMAP-COVID19平臺與世界範圍內的REMAP-CAP是連接的,因此該試驗借鑑了整個國際經驗。REMAP-CAP正在北美、歐洲、澳大利亞和新西蘭招募COVID-19患者,並迅速擴大。
“試驗設計使用一個機器學習模型,其中包括來自世界各地的病人登記數據,不斷學習哪種治療和療法的組合表現最好。” AnnalsATS作者斯科特•貝里(Scott Berry)博士解釋道。
原文來源:
https://www.sciencedaily.com/releases/2020/04/200409140015.htm