一項突破性的機器學習研究揭示了防止COVID-19 初次感染後復發的最佳藥物組合。有趣的是，不同患者的理想組合是不同的。這項由加州大學河濱分校領導的研究利用中國一家醫院的真實數據發現，年齡、體重和其他健康狀況等因素決定了哪種藥物組合能最有效地降低復發率。這一發現已發表在《人工智能前沿》（Frontiers in Artificial Intelligence）雜誌上。

加州大學河濱分校的一項機器學習研究以中國的數據為基礎，揭示了預防COVID-19 復發的最佳藥物組合因年齡和體重等個體因素而異。這個獨特的數據集考慮了接受多達八種藥物治療並在出院後接受監測的患者，從而對再感染率和治療效果進行了更深入的分析。

數據來自中國有兩個重要原因。首先，在美國，當患者接受COVID-19治療時通常使用一種或兩種藥物。而在疫情散佈的早期，中國的醫生可以開出多達八種不同的藥物，因此可以對更多的藥物組合進行分析。其次，中國的COVID-19患者出院後必須在政府經營的酒店隔離，這使得研究人員能夠以更系統的方式了解再感染率。

“這使得這項研究獨特而有趣。你無法在世界其他任何地方獲得這樣的數據，”UCR 統計學教授、研究報告作者崔新平說。

該研究項目始於2020 年4 月，也就是大流行開始一個月左右。當時，大多數研究都側重於死亡率。然而，香港附近深圳的醫生更關注復發率，因為那裡的死亡人數較少。

“令人驚訝的是，近30% 的患者在出院後28 天內再次出現陽性反應，”該研究合著者、生物工程副教授廖嘉宇說。

這項研究納入了400 多名COVID-19 患者的數據。他們的平均年齡為45 歲，大多數感染嚴重程度為中等，性別分佈均勻。大多數人都接受了抗病毒藥、消炎藥和免疫調節藥（如乾擾素或羥氯喹）的多種組合治療。

不同人群使用不同的藥物組合取得了更好的療效，這與病毒的作用方式有關。

“COVID-19能抑制干擾素，干擾素是細胞為抑制入侵病毒而製造的一種蛋白質。隨著防禦能力的降低，COVID可以在體內復制，直到免疫系統爆發，破壞組織，”廖解釋說。

感染COVID-19前免疫系統較弱的人需要服用免疫增強藥物才能有效抵抗感染。年輕人的免疫系統在感染後會過度活躍，從而導致組織過度發炎，甚至死亡。為了防止這種情況，年輕人在治療過程中需要使用免疫抑製劑。

“我們在治療疾病時，很多醫生往往只為18 歲以上的人提供一種解決方案。我們現在應該重新考慮年齡差異，以及其他疾病情況，如糖尿病和肥胖症，”廖說。

大多數情況下，在進行藥物療效測試時，科學家會設計一項臨床試驗，將具有相同疾病和基線特徵的人隨機分配到治療組或對照組。但這種方法沒有考慮到其他可能影響藥物對特定亞組起作用或不起作用的醫療條件。

由於這項研究利用的是真實世界的數據，研究人員必須對可能影響觀察結果的因素進行調整。例如，如果某種藥物組合主要用於老年人，但證明無效，那麼就不清楚是藥物的問題還是人的年齡問題。

“在這項研究中，我們開創了一種技術，通過對接受不同治療組合的具有相似特徵的人進行虛擬配對，來解決混雜因素帶來的挑戰，”崔說。”通過這種方式，我們可以歸納出不同亞組中治療組合的療效。雖然如今人們對COVID-19 有了更深入的了解，疫苗也大大降低了死亡率，但在治療和預防再感染方面仍有很多東西需要學習。現在，復發是一個更值得關注的問題，我希望人們能利用這些結果。”

機器學習已被用於與COVID-19相關的許多領域，如疾病診斷、疫苗開發和藥物設計，此外還有對多種藥物組合的新分析。廖認為，技術在未來將發揮更大的作用。

“在醫學領域，機器學習和人工智能的影響還沒有我認為的那麼大，這個項目是一個很好的例子，說明我們可以如何邁向真正的個性化醫療”。