最流行的两种快速方法万博体育登录首页新型冠状病毒肺炎检测包括血清学和分子检测。血清学检测寻找SARS-CoV-2病毒带来的抗体的存在，分子检测检测SARS-CoV-2病毒RNA的存在。

根据佛罗里达大西洋大学的研究新闻稿在美国，目前还没有关于分子检测和血清学检测之间的相关性以及哪些特定的COVID-19症状表明检测结果呈阳性的研究。

但是在……的帮助下机器学习佛罗里达大西洋大学工程与计算机科学学院的一项研究为确定分子检测和血清学检测之间的相关性以及哪些特征最有效地区分COVID-19阳性和阴性检测结果提供了关键的新证据。

人工智能预测模型

为了预测COVID-19测试的结果，研究人员训练了五种分类算法。他们使用易于获取的症状特征，结合年龄、性别、发烧和症状出现天数等人口统计信息，构建了一个准确的预测模型。

研究表明，当机器学习模型使用基本症状和人口统计学变量进行训练时，它们可以预测COVID-19感染。

该研究结果发表在该杂志上聪明健康，确定与COVID-19感染相关的基本症状，并提供一种快速筛查和负担得起的感染诊断方法。

此外，研究表明，与5至38天的血清学检测的症状后发病天数相比，分子检测的症状后发病天数大大缩短，为3天和8天。

他们发现分子检测的阳性率最低，因为它能检测到持续的感染。

该团队还指出，COVID-19检测之间存在重大差异，因为捐赠者的免疫反应和病毒载量(许多检测方法的重点)一直在变化。

因此，两种不同类型的检测可能会出现各种阳性/阴性结果，即使是对同一捐赠者。

读也:在纽约大鼠中发现COVID-19突变这些啮齿动物会感染人类吗?官员们表示担忧

研究的试验台

研究小组使用了2467名捐赠者的检测结果，这些捐赠者每人都接受了一项或多项COVID-19检测，作为研究的试验台。

他们结合症状和人口统计数据，利用五种不同类型的机器学习模型创建了一组预测建模的特征。

他们通过比较测试类型和结果来研究血清学和分子测试之间的联系。他们使用血清学或分子测试结果将2467名供体分为阳性或阴性，用于测试结果预测，并开发了症状特征来代表每个供体，用于机器学习。

通过将生产仓特征与五种机器学习技术相结合，这些预测模型的AUC得分超过81%，分类准确率超过76%。万博体育登录首页

FAU工程与计算机科学学院院长Stella Batalama博士在一份声明中说:“我们的研究人员设计了一种新方法，可以缩小嘈杂的症状特征，用于临床解释和预测建模。”

“这样人工智能基于预测建模的方法在对抗传染病和许多其他方面的健康问题方面变得越来越强大。”

相关文章:专家称，COVID-19快速检测对新的亚变种仍然有效，但有一个问题