刘巧，曾燕，王浩林，刘博，赵文龙，王毅

1.重庆医科大学附属第三医院放射科，重庆 401120；2.重庆医科大学医学信息学院、医学数据研究院，重庆 400016；通讯作者 曾燕 300766@hospital.cqmu.edu.cn

新型冠状病毒肺炎（COVID-19）临床表现为发热、咳嗽、气促等，其病程进展快、传染性极强，且尚无特效药治疗，部分患者可进展为急性呼吸窘迫综合征[1-2]。早发现、早诊断、早隔离、早治疗是提高COVID-19患者治愈率及生存率的关键。随着人工智能（artificial intelligence，AI）技术的发展，通过挖掘医疗信息，构建疾病预测模型，辅助医师对疾病进行预测或诊断成为研究热点。本研究拟通过挖掘COVID-19 电子病历（electronic medical records，EMRs）中的临床表现、实验室检查数据、胸部CT 影像报告等信息，构建基于机器学习（machine learning，ML）的COVID-19 预测诊断模型，并评估各模型对COVID-19的诊断价值，旨在提供一种新方法，以实现早期、快速、准确地诊断COVID-19，进一步提高对COVID-19 的诊治水平。

1 资料与方法

1.1 研究对象 收集重庆医科大学数据研究院所汇聚的7 所附属医院2020年1—5月收集经反转录-聚合酶链反应（RT-PCR）检测新型冠状病毒核酸阳性COVID-19 患者的EMRs，共90例，其中男52例，女38例，年龄3～89 岁。按照1∶4 筛选出360例出院确诊为非COVID-19 患者的EMRs 作为对照组，其中男180例，女180例，年龄3～97 岁。排除标准：①EMRs 中未完整包含症状、体征等临床资料、实验室检查数据及胸部CT 检查报告者；②具有类似肺炎表现的其他疾病，如肺结核、肺肿瘤、肺栓塞。最终将所有纳入研究的EMRs 按7∶3 随机分为训练集315例和验证集135例。

1.2 指标提取 利用基于规则的方法对EMRs 中的临床信息（人口统计学信息、症状、体征等）、实验室检查数据及胸部CT 报告进行指标提取，将语义表达相同或相似的指标进行标准化处理，如“发热”和“发烧”统一名称为“发热”。……