Использование машинного обучения и квантовых вычислений может помочь в предсказании клинического ухудшения у пациентов с COVID-19, что позволит своевременно выделять ресурсы и предоставлять адекватное лечение.
Пандемия COVID-19 продолжает вызывать опасения по всему миру, и хотя вакцины уже доступны, процесс вакцинации проходит неравномерно и сталкивается с различными проблемами. В свете этих обстоятельств возникает необходимость идентификации пациентов, подверженных риску развития тяжелых форм заболевания, для оптимального распределения ресурсов и предоставления соответствующего лечения.
В недавней статье представлена модель машинного обучения (CatBoost), использующая квантовые вычисления, для предсказания клинического ухудшения у пациентов с COVID-19. Наиболее сильными предикторами клинического ухудшения оказались артериальное давление кислорода, возраст, уровни ряда маркеров воспаления и изменения в крови и свертываемости. Таким образом, модель позволяет прогнозировать прогрессирование заболевания до стадии, когда пациентам потребуется механическая вентиляция легких.
В будущем предстоит провести внешнюю валидацию модели в других условиях и на выборке пациентов из другого периода, а также внедрить алгоритм в клиническую практику. Это открывает новые горизонты для использования квантовых вычислений и машинного обучения в медицине и в борьбе с пандемией COVID-19.
