机构名称：
¥ 2.0
当疾病的流行程度较低时，池中所有样本呈阴性的概率很高，但随着流行程度的增加，这种方法会失效，如图 2a 所示。在这里，我们介绍了智能池，这是一种机器学习方法，可以提高池化测试策略的效率。智能池利用样本的临床和社会人口统计信息来估计它们对 COVID-19 检测呈阳性的概率。如图 2b 所示，我们的方法使用这些概率将所有样本安排到池中，以最大限度地提高在最多池中产生阴性结果的概率。也就是说，我们对样本进行分组，将阳性样本排除在池化过程之外，并在单独的测试中进行评估，从而减少对相同数量样本使用的测试次数。机器学习和回归模型已用于根据基因测序对新型病原体进行分类 [13]、支持 CT 扫描诊断 [14]、协助患者临床预后 [15] 以及预测大流行的演变 [16]。使用患者报告的症状和实验室测试结果训练的回归模型已用于根据症状预测感染 [17]。这些策略可能会损害敏感性和信心。相比之下，智能
智能共享：人工智能驱动的 COVID-19 检测
主要关键词
相关文件推荐
