新冠病毒可能让感染者在后期发展出较严重的呼吸道疾病，为了对此进行预测，伦敦国王学院的研究团队特地对现有的诊断记录进行了分析。借助机器学习技术，研究人员根据不同年龄、性别、医疗状况、以及发病前后五天的数据，最终归纳出了六种不同的症状。在那些需要呼吸支持的患者中，其认为预测的准确率可接近 80% 。
来自：King's College London
目前这项研究已经发表在 medRxiv 预印本网站上，意味其尚未经过同行评审。即便如此，该校 Tim Spector 教授仍在接受《卫报》采访时称：“尽早采取的干预措施，有助于增加患者的生存机会，同时避免不必要的临床资源占用”。
据悉，研究团队筛查了用户数超过 400 万的移动 App 数据，涉及 1653 名被检出 COVID-19 阳性的用户。其上报了自己的症状，并提供了健康状况的更新。可知 383 人至少去了一趟医院，且其中 107 人需要吸氧或呼吸机支持。
在套上机器学习算法之后，研究团队对 14 中症状进行了观察，最终确定了 6 组不同的 COVID-19 患者，从而推断有哪些可提供较高预测准确性的指征。
第一组（462 例）：有持续咳嗽和肌肉疼痛等上呼吸道症状，约 1.5％ 的患者需要呼吸支持，其中 16％ 的患者至少去过一趟医院。
第二组（315 例）：出现叫高频率的无食欲和发烧症状，4.4％ 的患者需要呼吸支持，17.5％ 的患者至少去过一趟医院。
第三组（216 例）：出现腹泻等胃肠道症状，但其它症状较少。该组中有 3.7％ 的患者需要呼吸支持，24％ 的患者至少去过一趟医院。
第四组（280 例）：出现严重疲劳、持续胸痛和咳嗽的早期症状，8.6％ 的患者需要呼吸支持，23.6％ 的患者至少去过一趟医院。
第五组（213 例）：出现精神紊乱、无食欲、严重疲劳等症状，9.9％ 的患者需要呼吸治疗，24.6％ 的患者至少去过一趟医院。
第六组（167 例）：出现明显的呼吸窘迫、急促、胸痛、意识模糊、疲劳、胃肠道症状。该组中多达 20％ 的患者需要呼吸支持，45.5％ 的患者至少去过一趟医院。
研究团队指出，前两组 COVID-19 患者的症状较轻。此外他们使用了来自其他 1047 款 App 的用户数据重复了相关工作，并加入了头痛、嗅味觉敏感度降低等症状描述，不同患者的症状持续时间也不尽相同。
不过通过对前五天的症状报告数据，以及患者的年龄、性别和其它医疗状况等信息进行汇总，研究团队宣称可达成相当高的预测准确率，比如 79% 的情况需要提供呼吸支持。但若仅关注患者的个别症状，预测准确率或低于 70% 。