Pronostic précoce des infections au COVID-19 via l'apprentissage automatique

La recherche a déjà montré que certaines données de santé, telles que l'âge et les antécédents médicaux (PMH), ont une forte corrélation avec la gravité des infections à la COVID-19, et certaines études récentes suggèrent également une corrélation avec certaines caractéristiques des tests sanguins. Les techniques développées par le Dr Mazuelas et son équipe utilisent des données de santé multimodales et riches en informations pour prédire la gravité future des infections au COVID-19. Cet ensemble de données sur la santé est composé de données cliniques simples, telles que l'âge, le sexe, le poids, la pression artérielle, la température corporelle, la fréquence cardiaque, la fréquence respiratoire et les antécédents médicaux (PMH), ainsi que des mesures plus détaillées, telles que celles obtenues à partir de tests biochimiques et électrocardiogrammes. Les techniques d'apprentissage développées dans le cadre du projet utilisent également une grande quantité de dossiers de santé électroniques pour élucider la relation complexe entre les instances de données sur la santé et la gravité future des infections au COVID-19. En particulier, de nombreux dossiers de santé électroniques des patients infectés par le COVID-19 seront utilisés pour obtenir des données de formation. Chaque échantillon de formation sera composé des données sur la santé du patient, obtenues aux premiers stades de l’infection, ainsi que d’une valeur catégorielle qui identifie la gravité de l’infection, telle qu’elle est ressentie par le patient au cours de l’infection.

 Les recherches du Dr Mazuelas abordent plusieurs défis scientifiques et techniques, à la fois pour le traitement des données et la conception d'algorithmes d'apprentissage, y compris l'utilisation d'échantillons d'apprentissage déséquilibrés affectés par un biais de sélection * et le développement de techniques de préservation de la vie privée et sensibles aux coûts.

 «Je cherchais une application de l'apprentissage automatique qui serait utile dans cette pandémie, à la fois pour la société en général et pour le système de santé», explique le Dr Mazuelas.  «Le pronostic via l'apprentissage automatique est déjà à l'étude pour d'autres maladies, telles que le cancer et les infections virales, mais cette voie de recherche n'a pas encore été explorée pour la COVID-19, même si la recherche évolue actuellement rapidement. ». Les résultats de son travail pourront conduire à des améliorations remarquables dans la manière dont les décisions médicales et de santé publique sont prises dans le traitement et la gestion des infections à COVID-19.

 * en science des données, le biais de sélection est le biais introduit par la sélection d'individus, de groupes ou de données à analyser de telle sorte qu'une randomisation appropriée n'est pas réalisée, avec pour conséquence que l'échantillon obtenu n'est pas représentatif de la population à analyser.