由Farrokh Alemi教授和Janusz Wojtusiak教授领导的新的机器学习研究为患者和临床医生提供了一种更好地预测症状是由COVID-19、流感还是RSV引起的方法。更准确的诊断可以更好地决定治疗过程，以治愈患者并防止疾病传播。阿莱米和沃伊图西克最近与乔治梅森大学的研究人员和Vibrent Health合作，在《医疗质量管理杂志》的特别版上发表了一系列文章，讨论人工智能(AI)如何通过症状和家庭测试的结合来帮助诊断COVID。

通过他们的研究，阿莱米和沃伊图西亚克现在正在创建一个网站，提供基于人工智能的资源，帮助个人根据其临床情况和COVID在家检测结果确定建议的行动。

Wojtusiak说:“我们看到人工智能正在从根本上改善临床分类和从测试到治疗的决定。”阿莱米补充说:“人工智能将使个人对自己呆在家里、寻求治疗或在社会上孤立的决定更有信心。很多人在症状结束时进行测试，令人惊讶的是，他们发现自己仍然呈阳性。如果症状和家庭检查结果不一致怎么办?我们的人工智能将帮助这些人了解如何进行。”

论文1中的研究(如下所列)发现，症状的时间在COVID诊断中很重要。例如，流鼻涕作为早期症状会增加COVID检测呈阳性的几率，而流鼻涕作为后来出现的症状会降低这种几率。同样，发烧几乎总是一种晚期症状，所以早期不发烧不应被用来排除COVID。

论文2的结果发现，COVID不能从个别症状中诊断出来;然而，三种或三种以上症状的聚集有助于诊断。论文4的研究结果发现，当存在不同的身体症状时，诊断COVID症状的准确性最高。例如，神经系统和常见呼吸道症状的组合比单独的一组症状更具有诊断性。此外，COVID根据年龄、病情严重程度和病毒突变有不同的表现。

论文3讨论了人工智能症状筛查如何改善，以及对于接种疫苗的人来说，如何替代家庭抗原检测。家庭测试并不总是准确的，需要临床审查，但这些测试是在家里进行的，没有这样的审查。人工智能症状筛查可以帮助这些测试更准确。该研究报告称，人工智能症状筛查比第二次家庭测试更准确。

特别增刊刊登的四篇论文分别是:

1. Order of Occurrence of COVID-19 Symptoms

2. The Role of Symptom Clusters in Triage of COVID-19 Patients

3. Combined Symptom Screening and At-Home Tests for COVID-19

4. Guidelines for Triage of COVID-19 Patients Presenting with Multisystemic Symptoms

这项研究由美国国家癌症研究所(NCI)和国家生物医学成像与生物工程研究所(NIBIB)发起的“COVID-19数字健康解决方案”项目资助。

这五篇论文使用的方法各不相同。在论文4中，研究人员使用已发表论文的数据对文献进行了荟萃分析。在其他论文中，研究人员调查了进行PCR检测的患者，并检查了患者症状与PCR检测结果之间的关系。大多数研究是使用2020年10月至2021年1月期间收集的数据完成的，这些数据是在BA.5或BQ.1等当前变体之前收集的。

此前，这些研究人员发表的相关论文包括一项研究，研究计算机如何区分COVID-19和流感，以及对有症状的大学生和社交距离的分析。