中大研究發現ChatGPT 助傳染病研究

新冠疫情影響全球，中大醫學院利用文字配對演算法，發現新冠症狀會隨病毒變異和患者疫苗接種情況改變。分析更識別出發燒、鼻塞、肺炎和呼吸急促這一組症狀，能預測未接種疫苗及有病徵的年長患者死亡風險。相關研究已在醫學期刊《醫學病毒學雜誌》上發表。

中大醫學院早前進行一項研究，利用文字配對演算法，分析截至2022年8月25日、超過7.6萬宗新冠患者病例症狀數據的文字報告（free-text symptom narratives）。結果顯示，70.9%的病例出現病徵，並識別出102種症狀。

研究人員發現，在未接種疫苗的有病徵個案中，原始型和Delta變異株出現的症狀相似，但Omicron BA.2亞變異株則出現與原始病毒不同的症狀。其中7種症狀在BA.2病人中更為普遍，包括疲倦、發燒、胸痛、流鼻水、咳痰、噁心或嘔吐，及喉嚨痛。研究亦顯示，在接種兩劑或以上疫苗的有病徵個案中，感染BA.2，較感染Delta更易引起發燒。

分析還識別出，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。

ChatGPT識別新冠常見症狀 敏感度逾85%

惟研究團體指出，從相關文字報告提取可分析的數據具挑戰性及耗時，因而探索AI大型語言模型在醫學中的應用。

團隊進行提示工程後，ChatGPT從文字報告中，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。詳細結果已在另一醫學期刊《臨床微生物學和感染》上發表。

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姸指，研究證實AI大型語言模型作為醫學研究工具的作用，能將複雜的症狀描述轉化為結構性數據。她認為，這些研究發現，為AI工具提供發展方向，有助未來流行病的早期檢測、監測和應對。

該學院副教授郭健安表示，文字敘述轉換為結構性數據，能加快決策過程，並優化資源分配。他並認為，這些AI模型能為不同受眾提供清晰易明的資訊，促進公共衞生層面的溝通。@