新冠病毒可能讓感染者在後期發展出較嚴重的呼吸道疾病，為了對此進行預測，倫敦國王學院的研究團隊特地對現有的診斷記錄進行了分析。藉助機器學習技術，研究人員根據不同年齡、性別、醫療狀況、以及發病前後五天的數據，最終歸納出了六種不同的症狀。在那些需要呼吸支持的患者中，其認為預測的準確率可接近 80% 。
目前這項研究已經發表在 medRxiv 預印本網站上，意味其尚未經過同行評審。即便如此，該校 Tim Spector 教授仍在接受《衞報》採訪時稱：“儘早採取的干預措施，有助於增加患者的生存機會，同時避免不必要的臨牀資源佔用”。
據悉，研究團隊篩查了用户數超過 400 萬的移動 App 數據，涉及 1653 名被檢出 COVID-19 陽性的用户。其上報了自己的症狀，並提供了健康狀況的更新。可知 383 人至少去了一趟醫院，且其中 107 人需要吸氧或呼吸機支持。
在套上機器學習算法之後，研究團隊對 14 中症狀進行了觀察，最終確定了 6 組不同的 COVID-19 患者，從而推斷有哪些可提供較高預測準確性的指徵。
第一組（462 例）：有持續咳嗽和肌肉疼痛等上呼吸道症狀，約 1.5％ 的患者需要呼吸支持，其中 16％ 的患者至少去過一趟醫院。
第二組（315 例）：出現叫高頻率的無食慾和發燒症狀，4.4％ 的患者需要呼吸支持，17.5％ 的患者至少去過一趟醫院。
第三組（216 例）：出現腹瀉等胃腸道症狀，但其它症狀較少。該組中有 3.7％ 的患者需要呼吸支持，24％ 的患者至少去過一趟醫院。
第四組（280 例）：出現嚴重疲勞、持續胸痛和咳嗽的早期症狀，8.6％ 的患者需要呼吸支持，23.6％ 的患者至少去過一趟醫院。
第五組（213 例）：出現精神紊亂、無食慾、嚴重疲勞等症狀，9.9％ 的患者需要呼吸治療，24.6％ 的患者至少去過一趟醫院。
第六組（167 例）：出現明顯的呼吸窘迫、急促、胸痛、意識模糊、疲勞、胃腸道症狀。該組中多達 20％ 的患者需要呼吸支持，45.5％ 的患者至少去過一趟醫院。
研究團隊指出，前兩組 COVID-19 患者的症狀較輕。此外他們使用了來自其他 1047 款 App 的用户數據重複了相關工作，並加入了頭痛、嗅味覺敏感度降低等症狀描述，不同患者的症狀持續時間也不盡相同。
不過通過對前五天的症狀報告數據，以及患者的年齡、性別和其它醫療狀況等信息進行彙總，研究團隊宣稱可達成相當高的預測準確率，比如 79% 的情況需要提供呼吸支持。但若僅關注患者的個別症狀，預測準確率或低於 70% 。