Jornal de antivirais e antirretrovirais
Acesso livre

Abstrato

Um modelo de previsão baseado em aprendizagem automática para diagnosticar os primeiros doentes com COVID-19

Nannan Sun, Ya Yang, Lingling Tang, Zhen Li, Yining Dai, Wan Xu, Xiaoliang Qian, Hainv Gao, Bin Ju

Objectivo: Para melhorar a oportunidade do diagnóstico precoce da infecção por COVID-19, é essencial desenvolver uma ferramenta de tomada de decisão para auxiliar no diagnóstico precoce dos doentes com COVID-19 em clínicas de febre.

Materiais e métodos: Este artigo visa extrair fatores de risco de dados clínicos de 912 doentes infetados precocemente por COVID-19 e utilizar quatro tipos de abordagens tradicionais de aprendizagem automática, incluindo regressão logística (LR), máquina de vetores de suporte (SVM) , árvore de decisão (DT) , Random Forest (RF) e um método baseado na aprendizagem profunda para o diagnóstico de COVID-19 precoce.

Results: The results show that the LR predictive model presents a higher specificity rate of 0.95, an Area Under the receiver operating Curve (AUC) of 0.971 and an improved sensitivity rate of 0.82, which makes it optimal for the screening of early COVID-19 infeção. Realizámos também a verificação da generalidade do melhor modelo (modelo preditivo LR) entre a população de Zhejiang e analisámos a contribuição dos fatores para os modelos preditivos.

Discussões: No contexto da pandemia de COVID-19, o diagnóstico precoce da COVID-19 enfrenta ainda graves desafios.

Conclusões: O nosso manuscrito descreve e destaca a capacidade dos métodos de aprendizagem automática para melhorar a precisão e a oportunidade do diagnóstico precoce da infeção por COVID-19. A AUC mais elevada do nosso modelo preditivo baseado em LR torna-o um método mais propício para auxiliar no diagnóstico de COVID-19. O modelo ideal foi encapsulado como uma aplicação móvel (APP) e implementado em alguns hospitais da província de Zhejiang.