4月下旬，CDC在其COVID-19症状列表中添加了受损的味道和/或气味。多亏了AI和自然语言处理(NLP)，南卡罗来纳州医科大学的研究人员击败了联邦机构。

实际上，该团队已经建议其ER工作人员询问味道和气味，这是标准COVID检查的一部分。

MUSC小组成员在5月25日在线发布在《华尔街日报》上的案例报告中写道：“这项成就“证明了一种数据驱动的方法在识别新型感染中相关症状(如这种迅速发展的大流行的根源)中的价值”。美国医学信息学协会的代表。

医学博士吉哈德·奥贝德(Jihad Obeid)，医学硕士(MS)的莱斯利·莱纳特(Leslie Lenert)及其同事通过深度学习来解析远程医疗就诊时口头收集的非结构化临床笔记，从而得出了他们的发现。

该技术在预测COVID阳性实验室测试中仅取得了适度的性能(AUC = 0.729)。作者认为，这可能是由于笔记中的大量杂音所致，这是模板文本和患者输入的数据所不可避免的。

尽管如此，尽管面临这些挑战，该模型的结果仍然足够强大，足以促使人们提出建议，对那些提到味觉或嗅觉问题的患者进行优先测试。

作者在讨论中评论说：“即使模型不完善，也有可能对人群进行风险分层，从而将资源直接分配给最需要的患者。”

他们总结说，诸如NLP和AI方法之类的信息学工具“在临床系统开发初期用于暴发反应的早期应用到数据流时，可能会产生重大的临床影响。”