中大醫學院以AI分析新冠患者病例　揭症狀隨變異和疫苗接種而改變

香港中文大學醫學院利用文字配對演算法，分析多份截至2022年8月25日新冠患者病例症狀數據的文字報告，揭示新冠症狀會隨病毒變異和患者疫苗接種情況改變，更識別出發燒、鼻塞、肺炎和呼吸急促這一組症狀，有預測未接種疫苗及有病徵年長患者死亡風險的作用。

研究團隊利用文字配對演算法，對超過7.6萬宗新冠病例的症狀文字報告進行分析。結果顯示，70.9%的病例出現病徵，並識別出102種症狀。研究人員揭示原始型和Delta變異株，在未接種疫苗的有病徵個案中，出現的症狀相似；但Omicron BA.2亞變異株則出現與原始病毒不同的症狀，其中疲倦、發燒、胸痛、流鼻水、咳痰、噁心或嘔吐，以及喉嚨痛七種病徵在BA.2病人中更為普遍。

研究亦顯示，在接種2劑或以上疫苗的有病徵個案中，感染BA.2較感染Delta更易引起發燒。分析還識別出發燒、鼻塞、肺炎和呼吸急促這一組症狀，有預測未接種疫苗及有病徵的年長患者死亡風險的作用，這些發現有助安老院舍制訂照顧長者健康的策略。

研究人員亦探索AI大型語言模型在醫學研究中的應用，ChatGPT經研究團隊進行提示工程後，從文字報告識別所有新冠症狀的特異性達94.7%至100%，其識別常見症狀的敏感度亦達85.3%至100%，顯示其能準確地處理文字報告內的數據。

中大醫學院賽馬會公共衞生及基層醫療學院​副研究員衛藴姸指，通過採用文字配對演算法描述了新冠症狀隨病毒變異及疫苗接種情況的演變，更識別了一組能預測未接種疫苗及有病徵的年長患者死亡風險的症狀，有助安老院舍作針對性的干預和資源分配。而AI大型語言模型作為醫學研究工具的作用，能將複雜的症狀描述轉化為結構性數據，有助未來流行病的早期檢測、監測和應對。