根据马萨诸塞州总医院布里格姆医疗（Mass General Brigham）领导的新研究，长新冠的实际影响可能是当前估计的两倍，并且隐藏在当前依赖诊断代码的监测系统之外。研究人员使用一种新型人工智能算法，筛查了美国58家医院近46万名新冠患者的医疗记录，发现约六分之一（约16%）的患者发展为长新冠。这些比率转化为超过1800万美国人，是当前估计值的两倍，反映了新冠感染后慢性疾病负担的不断累积。研究结果发表在《JAMA Network Open》期刊上。
"超过1000万长新冠患者完全不会被医疗系统和政策制定者用来追踪疾病负担的诊断代码所捕获。我们发现的数字几乎可以肯定是低估了。"
Hossein Estiri博士，研究通讯作者，马萨诸塞州总医院布里格姆医疗医学部教员
当前的诊断编码，包括为新冠后症状指定的ICD代码U09.9，仅能捕获不到7%的长新冠患者。
马萨诸塞州总医院布里格姆医疗的研究人员部署了一种他们专门设计的新型"精准表型"算法，通过分析数十万新冠患者的临床事件时间序列，从纵向电子健康记录中识别长新冠。该算法先前已得到验证，能够将长新冠识别为排除性诊断，即识别出在新冠感染后出现且无法用患者病史中已有的既往疾病解释的病症。
研究人员分析了来自美国四个地区的457,950名先前新冠检测呈阳性的患者的电子健康记录：新英格兰、德克萨斯州东南部、南加州和宾夕法尼亚州西部。他们发现总体上16.3%的患者患有长新冠，各地区比率从13.6%到22.7%不等。在整个研究队列中，14.5%的新冠患者（66,587人）出现了需要持续临床护理的慢性疾病。该研究还揭示了长新冠临床表现的区域差异，例如美国不同地区前期糖尿病（长新冠的新兴后遗症）的发生率存在显著差异。
与长新冠是疫情早期阶段遗留问题的假设相反，研究人员还发现，在所有研究的地区中，累积患病率持续上升。这表明病毒继续作为催化剂，引发新的、长期的慢性健康问题，影响身体的不同系统。统计模型显示，新英格兰、南加州和宾夕法尼亚州西部的患病率每季度显著增加，如果当前模式持续下去，未来十年可能会继续增长。
"这项工作展示了如何对医疗系统中的纵向临床数据进行结构化和分析，以支持更一致地识别复杂的病毒后症状，"华盛顿大学首席研究信息官、研究合著者Shawn Murphy医学博士表示。"当临床人工智能为公共卫生设计并整合到真实世界的护理环境中时，具有巨大的潜力。"
研究人员指出，他们的发现不包括未记录的感染（自广泛检测结束以来已成为大多数病例），也不包括没有纵向医疗记录的患者。这些限制表明长新冠的总体疾病负担可能更高。
"这些患者并非不在临床护理中，而是缺失了将他们识别为长新冠患者的诊断代码，"马萨诸塞州总医院布里格姆医疗临床增强智能小组的数据科学家、主要研究作者Jiazi Tian表示。"心脏病专家看到的新发自主神经功能障碍、内分泌专家看到的新发代谢性疾病、神经科医生看到的无法解释的认知主诉——其中一些症状就是没有标签的长新冠，这些标签本可以将它们与新冠感染联系起来。"
"这项研究展示了医院如何利用人工智能来填补公共卫生机构不再追踪的监测缺口。最让我兴奋的是，利用这种新的监测数据，我们可以进一步做些什么，"Estiri表示。"一旦我们能够区分长新冠的不同临床表现和器官特异性表现，我们就能启动新的试验，并为合适的患者测试靶向治疗。"
【全文结束】
