中大醫學院ChatGPT分析新冠文字報告　識別症狀預測長者死亡風險

中文大學醫學院最近發表研究報告，利用AI大型語言模型ChatGPT，分析逾7.6萬份新冠病例症狀文字報告，成功整理新冠患者症狀如何隨病毒變異及疫苗接種情況的演變，有助預測未接種疫苗及有病徵的年長患者死亡風險，以及協安老院舍制訂照顧長者的策略。另外，研究成功將複雜的症狀描述轉化為結構性數據，有助日後應用AI監測和應對流行病。

中大醫學院研究團隊透過文字配對演算法，分析逾7.6萬份新冠病例症狀文字報告，發現70.9%的病例出現病徵，並識別出102種症狀。

研究團隊指，結果揭示原始型和Delta變異株，在未接種疫苗的有病徵個案中，病人的症狀極為相似。至於Omicron BA.2亞變異株則出現與原始病毒不同的症狀，特別是疲倦、發燒、胸痛、流鼻水、咳痰、噁心或嘔吐、喉嚨痛七種病徵在BA.2個案中更為普遍。

研究同時發現，已接種2劑或以上疫苗的有病徵個案之中，感染BA.2較感染Delta更易引起發燒。

是次研究應用AI大型語言模型ChatGPT，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，同時有助安老院舍制訂照顧長者健康的策略。另外，ChatGPT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妍表示，通過採用文字配對演算法，能描述新冠症狀隨病毒變異及疫苗接種情況的演變，並證實AI大型語言模型可作為醫學研究工具，能將複雜的症狀描述轉化為結構性數據，有助醫學界在未來應用AI作流行病早期檢測、監測和應對。