여기서는 종단적 임상 기록을 이용하여 COVID-19 환자의 단기 중증도 진행을 추적하고 예측하도록 설계된 딥러닝 모델 CovSF를 제안한다. 이러한 동기는 시의적절한 의료 자원 배분의 필요성, 팬데믹 상황에서의 치료 의사결정 개선, 그리고 중증도 진행과 관련된 면역학적 이해의 필요성에서 비롯된다. COVID-19 중증도 예측 모델인 CovSF는 15개의 임상 지표를 사용하여 입원 환자의 중증도 수준을 특성화하고, 최대 3일 앞까지의 중증도 수준을 예측한다. CovSF는 대규모 COVID-19 코호트(n=4,509)로 학습되었으며, 외부 검증 데이터셋(n=443)에서 AUROC 0.92를 달성했고 민감도 0.85, 특이도 0.89를 보였다. 투여된 산소요법의 유형을 목표 예측 라벨로 활용하였는데, 이는 흔히 중증도 지표로 사용된다. 이 접근은 ICU 입원이나 사망과 같이 보다 좁게 정의된 결과에 분석을 제한하는 대신, 중증도 전 범위에 걸친 환자를 포함하는 보다 포괄적인 데이터셋을 포함할 수 있게 해준다. 우리는 악화 및 회복되는 건강 상태를 특성화하는 데 집중했으며, 이는 환자에 대응한 단일세포 전사체(single-cell transcriptomes)로 검증하였다. 특히, 중증도 수준은 동일하였음에도 악화와 회복 단계의 샘플 간 면역학이 유의하게 다름을 보여, 종단적 분석의 중요성을 시사하였다. 우리는 CovSF의 이러한 프레임워크가 다른 호흡기 감염 질환에도 확장되어, 특히 팬데믹 기간 동안 병원 자원 배분에 따른 부담을 완화하는 데 기여할 수 있다고 믿는다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.