​

随着COVID-19变种病毒不断涌现，全球感染人数处于持续上升中，各国病毒检测机构都在迫切地寻求有效的诊断软件来支持超负荷的日常运转。此外，诊断软件还具有另一重要辅助作用，即通过早期识别新病例来阻止COVID-19的传播，这对于医疗人员有限且设施简陋的低收入国家尤为重要。

计算算法的另一重要作用就是可以识别出可能被传统临床诊断忽视的状况，例如，感染者是患有某种潜在疾病的患者。

虽然人工智能模型早已用来辅助 COVID-19 的诊断，但大多数仅用于读取X-射线的数据，但当感染者患有呼吸系统和心血管系统疾病时，他们早期诊断就不怎么准确了，因为该人群感染初期的X-射线报告几乎不会显现出病毒迹象。

来自非洲和加拿大的一组研究人员在科爱期刊Data Science and Management上发表的一项研究，他们根据常见症状测试了七种计算算法诊断早期COVID-19 的能力。（常见症状分别是发烧或发冷、咳嗽、呼吸急促或呼吸困难、疲劳、肌肉或身体疼痛、头痛、失去味觉或嗅觉、咽喉痛、鼻塞或流鼻涕、恶心或呕吐、以及腹泻。）

研究人员发现，多层感知器（Multilayer Perceptron）、模糊认知图（Fuzzy Cognitive Map）和深度神经网络（Deep Neural Network）算法优于逻辑还原（Logistic Regression）、朴素贝叶斯（Naïve Bayes）、决策图表（Decision Tree）和支持向量机（Support Vector Machine）。

主要作者，南非史瓦帝尼大学（University of Eswatini）计算机科学系副教授 Boluwaji A. Akinnuwesi 认为，这项研究成果可以指导未来的软件开发，“这些信息可用于开发智能相关的软件，当感染者出现上述症状时，医务人员和患者可以通过智能软件对 COVID-19 进行早期诊断。在我们进行这项研究时，我们尚未发现任何‘利用智能技术结合常见症状进行 COVID-19 诊断’的研究。

他补充道：“相较于接触X-射线，使用这些算法对于患者是更好的选择，何况，X射线检测仪并不是哪里都有。而上述三种性能最佳的算法一旦被开发成广泛应用的软件，低收入国家（如非洲）在应对COVID-19上将实现质的飞跃，除了经济上可以负担得起以外，还能够增加这些国家对 COVID-19 感染的快速应对。”

文章标题：

Application of intelligence-based computational techniques for classification and early differential diagnosis of COVID-19 disease

研究团队：

Boluwaji A.Akinnuwesi，Stephen G.Fashoto，

Elliot Mbunge，Adedoyin Odumabo，

Andile S.Metfula，Petros Mashwama，

Faith-Michael Uzoka，Olumide Owolabi，

Moses Okpeku，Oluwaseun O.Amusa