开发一种具有增强性能的机器学习模型,用于从急性呼吸道症状呈现到急诊室的患者中预测COVID-19
Maha Mesfer Alghamdi1, Naael H Alazwary2, Waleed A Alsowayan2
1College of Applied Studies and Community Service, Department of Computer Science and Engineering, King Saud University, Riyadh, Saudi Arabia.
IET systems biology
|October 30, 2024
概括
机器学习模型在患有呼吸道症状的患者中准确预测COVID-19. 随机森林算法达到99.07%的准确性,有助于早期诊断和医疗保健决策.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 流行病学 流行病学
背景情况:
- 人工智能 (AI) 在医疗保健中至关重要,改善决策和数据分析,特别是在COVID-19大流行期间.
- COVID-19不成比例地影响老年人和患有慢性健康状况的人.
- 在急性呼吸道症状患者中,准确预测COVID-19对于有效管理至关重要.
研究的目的:
- 开发和评估用于预测COVID-19在患有急性呼吸道症状的患者中的机器学习模型.
- 确定可预测COVID-19感染的关键临床和人口学变量.
主要方法:
- 利用了来自沙特阿拉伯两个医院的915名患者的数据.
- 采用了四种监督机器学习算法:随机森林,包装分类器,决策树和物流回归.
- 进行了特征选择,确定了12个重要的预测因子,包括CXR异常,吸烟状态和白细胞计数.
主要成果:
- 随机森林模型显示出最高的预测准确率为99.07%.
- 其他模型也显示出显著的预测能力:决策树,包装分类器和物流回归.
- 关键预测因素包括CXR异常,吸烟状态和白细胞 (WBC) 计数.
结论:
- 机器学习算法,特别是随机森林,在预测和分类COVID-19病例方面非常有效.
- 这些模型可以支持在医疗机构开发计算机辅助诊断工具.
- 这些发现突出了人工智能在提高呼吸系统疾病诊断准确性的潜力.
