糟糕的工作是如何让你更好地预测新冠肺炎的

谈论你工作中糟糕的一天可能会带来很好的解决方案。冷泉港实验室(CSHL)副教授Saket Navlakha和他的妻子、纪念斯隆凯特琳癌症中心(MSK)的传染病医生Sejal Morjaria博士发现了一种预测癌症患者COVID-19严重程度的方法。他们开发的计算工具防止了不必要的昂贵测试，并改善了病人的护理。

Morjaria说:“一般来说，我对病人的进展有很好的直觉。”然而，面对COVID-19时，这种直觉却让她失败了。她说:

“当大流行第一次打击时，我们有很难理解和预测哪些患者将有严重的科迪德。人们正在订购一名实验室，并且很多时候都有不必要的实验室测试。”

Navlakha于2019年加入CSHL。他使用计算机科学理解生物过程。Morjaria想知道她的丈夫是否能帮上忙:

“所以我回家了，我会告诉他，'Saket，如果我们能想出一种方法来弄清楚，使用机器学习，那么患者将继续发展严重的科夫迪。'“

研究小组收集了267个变量癌症患者诊断患有Covid-19。变量从年龄和性别到癌症类型，最近的治疗和实验室结果。他们培训了一个机器学习计算机程序，将患者分为三组。那些通过呼吸机需要高水平的氧气的人：

1. 立即
2. 几天后
3. 一点也不

研究人员发现了大约50个对结果预测贡献最大的变量。他们的方法准确率为70-85%，对于那些需要立即进行通气的患者来说尤其有效。更一般地说，该工具可以帮助梳理多个交互之间的交互风险因素这可能是不明显的，甚至到那些训练有素的眼睛的人。该计划还可以防止过度测试，莫尔哈里亚知道将“备用患者不必要的巨大医院成本”。

纳瓦克哈认为，如果没有与他的妻子和其他MSK临床医生 - 科学家在内的情况下，这项工作将无法实现，包括Rocio-Perez Johnston和Ying Taur。他说：

“Sejal和我讨论了更好的方法，将她在床上的经历与我们可以分析和计算的东西结合起来。作为一个从未共事过的人临床数据如果我没有Sejal的指导就这么做了，我就会犯很多错误，这将是一场灾难，完全没用。”

纳尔卡哈和莫尔贾亚利亚希望他们的作品能够激励更多的医生和计算机科学家共同努力，为复杂疾病创造创新的临床解决方案。

---

---