在本周Arxiv.org上發表的一篇預印論文中，來自梅奧診所(Mayo Clinic)和Nference的一組研究人員報告稱，他們已經使用人工智能分離出了的表型特征。他們聲稱，咳嗽、腹瀉、嗅覺喪失(味覺或嗅覺喪失)和過度出汗的特定組合，構成了最早的電子醫療記錄——covid19的一些特征，這些特征在檢測前4到7天就出現了。

聯合作者的方法可以用來發現和分類的早期病例，也許可以減輕醫院不堪重負的負擔。雖然目前還沒有治愈的方法，但初步研究表明，早期診斷可以顯著改善健康結果。

為了進行分析，研究小組使用了一個自然語言處理系統，該系統旨在自動識別疾病、藥物、表型和其他實體;量化這些實體之間的上下文關聯的強度;并將每個聯想歸類為“積極的”、“消極的”或“其他的”。它整合了谷歌的Transformer架構，其中包含神經元(數學函數)，它們按層排列，傳輸來自數據的信號，并調整每個連接的強度(權重)。所有的人工智能模型都是通過這種方式進行預測的，但變形金剛的獨特之處在于，它將每個輸出元素都連接到每個輸入元素上。每個元素之間的權重是動態計算的。

該系統吸收了來自梅奧診所的8,22,9092份電子病歷臨床記錄，其中14,967名患者接受了PCR檢測，這是一種用于檢測抗原存在的檢測形式(數據集中的272名患者被證實有covid19)。癥狀和假定的癥狀均取自于進行PCR檢測前幾周和檢測后幾周的記錄。

ai提取的信息顯示，在PCR檢測前一周，43例covid -19陽性患者(15.8%)出現腹瀉，而822例covid -19陰性患者(5.6%)出現腹瀉。味覺或嗅覺的改變或減弱在covid19患者中也被放大，同樣，在較小程度上，過度出汗(31例，占11.4%)、疲勞(37例，占13.6%)、頭痛(35例，占12.9%)和咳嗽也被放大。有趣的是，盡管有相反的證據，發熱和寒顫被發現對的患者有一定程度的非特異性，至少在這個患者群體中- 24.6%的陽性患者在PCR檢測前一周有發熱，而18.6%的陰性患者有發熱。

在對數據的進一步分析中，在251例27種表型的關聯中，covid -19陽性和covid -19陰性的患者中，有兩種表型(1)咳嗽和腹瀉，(2)出汗和腹瀉，被發現“特別顯著”。“咳嗽和腹瀉同時發生在36例伴有covid19的患者(13.2%)和486例未伴有covid19的患者(3.3%)中，顯示了4倍的放大，而出汗和腹瀉同時發生在21例伴有covid19的患者(7.7%)和204例未伴有covid19的患者(1.4%)中。