一項新的機器學習研究提出了最有效的藥物組合，以防止新冠肺炎初次感染之後。但是，這些組合在患者中有所不同，強調了對個性化方法的需求。
UC Riverside領導的研究利用了從醫院獲得的現實世界數據中國。研究人員發現，年齡，體重和預先存在的條件等個體特徵在確定有效降低Covid-19復發率的藥物組合中起著至關重要的作用。
數據的起源
根據這項研究，中國的數據起源具有兩個關鍵原因。首先，儘管美國的患者通常會接受一種或兩種用於Covid-19治療的藥物，但中國醫生在大流行的早期階段可以靈活開出多達八種不同的藥物。這允許對各種藥物組合進行更廣泛的研究。
此外，中國的Covid-19患者被授權在政府經營的酒店中進行院後隔離。該措施為更系統地評估再感染率提供了機會。
該研究於2020年4月在大流行的初期開始。儘管當時的許多研究主要集中在死亡率上，但香港附近的醫生，特別是深圳，由於對其地區觀察到的死亡人數相對較低，因此對複發率的關注提高了。
令他們驚訝的是，該研究的合著者，生物工程副教授Jiayu Liao發現，在出院後28天內，將近30％的患者在出院後再次對陽性進行了陽性。
該研究包括來自400多名COVID患者的數據，平均年齡為45歲。大多數人患有中等病例，性別分佈相對均勻。治療涉及抗病毒，抗炎和免疫調節藥物的各種組合，例如乾擾素或羥氯喹。
各種人口組之間不同組合的成功可以歸因於病毒的行為。 COVID-19抑制干擾素，這是細胞產生的蛋白質，以阻礙入侵病毒。
免疫促進藥物
根據LIAO的解釋，在COVID-19收縮之前，免疫系統較弱的人需要促進免疫促進藥物以有效地與該病毒作鬥爭。
相反，年輕人通常表現出對感染的過度活躍反應，這會導致組織過度炎症，在嚴重的情況下甚至死亡率。結果，年輕的患者需要在其治療方案中納入免疫抑製劑。
獅子會在選擇治療時重新考慮年齡和醫療狀況的重新考慮，因為當前的做法通常會忽略差異，因為傳統藥物試驗無法解決其他醫療狀況，但是研究人員開發了一種技術來通過實際上匹配個人來解決這個問題。
儘管我們對Covid-19的了解以及疫苗在降低死亡率方面的有效性方面取得了進步，但關於治療和預防恢復的知識差距仍然存在很大的知識差距。 Xinping Cui希望這項研究的發現將用於解決圍繞復發的問題。
研究的發現是出版在《人工智能邊境雜誌》中。
