AI發現新冠症狀規律｜中大藉ChatGPT識別病毒變化

原文刊於信報財經新聞「EJ Tech 創科鬥室」

香港已經走出新冠疫情的陰霾，但醫學界對於傳染病的防控仍然非常謹慎，人工智能（AI）正發揮著重要作用。香港中文大學醫學院利用文字配對演算法，分析了多份截至2022年8月25日的新冠患者病例症狀數據文字報告，揭示了症狀會隨著病毒變異和患者疫苗接種情況而發生變化。這項分析還識別出了發燒、鼻塞、肺炎和呼吸急促這一組症狀，有助於預測未接種疫苗和有病徵的年長患者的死亡風險；相關研究發表在醫學期刊《醫學病毒學雜誌》。

七成患者發病 打針與否有差異

首先，研究團隊利用文字配對演算法，分析了超過7.6萬宗新冠病例的文字報告，顯示有70.9%的病例出現病徵，並識別出了102種症狀。研究揭示，原始型和Delta變異株在未接種疫苗個案中的症狀相似；Omicron BA.2亞變異株的症狀則有所不同，其中7種在BA.2病人中更普遍，包括疲倦、發燒、胸口痛、流鼻水、咳痰、惡心或嘔吐，以及喉嚨痛。研究還顯示，在接種兩劑或以上疫苗的有病徵個案中，感染BA.2較Delta更容易引起發燒。

從相關報告提取可分析的數據，極具挑戰性且過程耗時。有鑒於此，研究人員探索大型語言模型（LLM），例如聊天機械人ChatGPT，能否將新冠症狀文字報告轉化為結構性數據。研究發現，ChatGPT經過研究團隊進行提示工程後，從文字報告識別出所有新冠症狀，其特異性高達94.7%至100%。在識別常見症狀方面，敏感度也達到了85.3%至100%，顯示ChatGPT能夠準確處理文字報告內的數據，論文發表在另一醫學期刊《臨床微生物學和感染》。

中大醫學院賽馬會公共衞生及基層醫療學院副研究員衛藴姸提到，這項研究有助於安老院舍採取針對性措施和分配資源，也為AI工具提供了發展方向，有助於未來流行病的早期檢測、監測和應對。

改善衞生決策和資源分配

中大醫學院賽馬會公共衞生及基層醫療學院副教授郭健安補充說，這個模型能夠將文字描述轉換為結構性數據，加快決策過程，並更好地分配資源。此外，該模型能夠隨著傳染病的演變而不斷學習和適應，有助於制定有效、數據驅動的流行病策略。

支持EJ Tech

如果您想投稿、提供線索、發布新聞稿或通知採訪，請點擊這裡聯繫我們。