4月下旬，CDC在其COVID-19癥狀列表中添加了受損的味道和/或氣味。多虧了AI和自然語言處理(NLP)，南卡羅來納州醫(yī)科大學的研究人員擊敗了聯(lián)邦機構(gòu)。

實際上，該團隊已經(jīng)建議其ER工作人員詢問味道和氣味，這是標準COVID檢查的一部分。

MUSC小組成員在5月25日在線發(fā)布在《華爾街日報》上的案例報告中寫道：“這項成就“證明了一種數(shù)據(jù)驅(qū)動的方法在識別新型感染中相關(guān)癥狀(如這種迅速發(fā)展的大流行的根源)中的價值”。美國醫(yī)學信息學協(xié)會的代表。

醫(yī)學博士吉哈德·奧貝德(Jihad Obeid)，醫(yī)學碩士(MS)的萊斯利·萊納特(Leslie Lenert)及其同事通過深度學習來解析遠程醫(yī)療就診時口頭收集的非結(jié)構(gòu)化臨床筆記，從而得出了他們的發(fā)現(xiàn)。

該技術(shù)在預測COVID陽性實驗室測試中僅取得了適度的性能(AUC = 0.729)。作者認為，這可能是由于筆記中的大量雜音所致，這是模板文本和患者輸入的數(shù)據(jù)所不可避免的。

盡管如此，盡管面臨這些挑戰(zhàn)，該模型的結(jié)果仍然足夠強大，足以促使人們提出建議，對那些提到味覺或嗅覺問題的患者進行優(yōu)先測試。

作者在討論中評論說：“即使模型不完善，也有可能對人群進行風險分層，從而將資源直接分配給最需要的患者。”

他們總結(jié)說，諸如NLP和AI方法之類的信息學工具“在臨床系統(tǒng)開發(fā)初期用于暴發(fā)反應的早期應用到數(shù)據(jù)流時，可能會產(chǎn)生重大的臨床影響。”