Dalam ramalan penyakit, pembelajaran mesin semakin memberikan bantuan yang boleh dipercayai untuk orang. Semasa wabak, pesakit radang paru-paru novel koronavirus diramalkan akan mempelajari kadar survival dengan pembelajaran mesin. Pada bulan Mac 2020, pneumonia novel koronavirus diramalkan oleh penyelidik dari Hospital Tongji Kolej Perubatan Tongji, Universiti Sains dan Teknologi Huazhong, Sekolah kecerdasan buatan dan automasi, University of Cambridge School of Plant Sciences, menggunakan algoritma pembelajaran mesin yang boleh ditafsirkan. Keputusan menunjukkan bahawa biomarker meramalkan kadar survival pesakit dengan radang paru-paru mahkota baru telah didedahkan pada bulan Mac 2020.
Sampel darah yang dikumpul daripada pesakit radang paru-paru novel koronavirus yang dimasukkan ke Hospital Wuhan Tongji telah dikumpulkan dan dianalisis secara retrospektif. Keputusan: 404 pesakit radang paru-paru dimasukkan ke Hospital Wuhan Tongji. Melalui alat pembelajaran mesin, pasukan penyelidikan akhirnya memilih tiga biomarker untuk meramalkan kadar survival pesakit individu dengan ketepatan lebih daripada 90%: LDH (lactate dehydrogenase), limfosit dan hs CRP (protein C-reaktif sensitif tinggi). Khususnya, hanya tahap LDH yang tinggi boleh digunakan untuk membezakan majoriti kes yang memerlukan rawatan perubatan segera.
Penyelidik pneumonia novel koronavirus juga telah berjaya menggunakan protein plasma untuk meramalkan kadar survival pesakit dengan radang paru-paru mahkota baru di Berlin, yang beberapa minggu lebih awal daripada hasilnya.
Secara khusus, dalam radang paru-paru novel koronavirus, 321 protein dalam 349 sampel yang dikumpulkan daripada dua sampel darah yang dikumpulkan dari dua pusat perubatan bebas di Jerman dan Austria telah dianalisis. Seterusnya, kaedah pembelajaran mesin tertentu digunakan untuk mencari hubungan antara protein yang diukur dan kelangsungan hidup pesakit.
15 pesakit dalam kohort meninggal dunia; Purata masa dari kemasukan ke kematian adalah 28 hari. Bagi pesakit yang masih hidup, tempoh median penginapan adalah 63 hari. Para penyelidik mengenal pasti 14 protein yang berubah ke arah yang bertentangan dari masa ke masa berbanding dengan pesakit yang tidak dapat bertahan dalam rawatan intensif.
Pasukan ini kemudian membangunkan model pembelajaran mesin untuk meramalkan kelangsungan hidup berdasarkan satu titik dalam pengukuran masa protein yang berkaitan, dan menguji model dalam kohort pengesahan bebas 24 pesakit covid-19 yang teruk. Model ini menunjukkan keupayaan ramalan yang tepat dalam kohort ini dan dengan betul meramalkan hasil 18 mangsa yang terselamat dan 5 kematian dalam 19 pesakit.
Ia adalah fakta yang tidak dapat dipertikaikan bahawa pembelajaran mesin telah memasuki kehidupan orang. Dengan peningkatan tahap teknikal yang berterusan, pembelajaran mesin akan semakin memberi sokongan kepada orang ramai di luar kuasa manusia. Untuk pencapaian pembelajaran mesin, para penyelidik menyimpulkan bahawa jika disahkan dalam barisan yang lebih besar, Ujian protein darah boleh membantu mengenal pasti pesakit dengan risiko kematian tertinggi dan menguji sama ada rawatan akan mengubah trek ramalan pesakit individu
