基于人工智能的 COVID-19 患者死亡率预测
机器学习
2024-03-29 v1
摘要
对于受影响严重的 COVID-19 患者，识别高风险患者并预测存活率和重症监护（ICU）需求至关重要。大多数已提出的模型报告不充分，使其可重复性较差且极易产生偏差，尤其是在存在数据/类别不平衡的情况下。在本研究中，结合两种广泛使用的特征选择方法，研究了九种机器学习和深度学习算法的性能，以预测代表死亡率、ICU 需求和呼吸机使用天数的最终状态。训练和验证采用五折交叉验证。为尽量减少偏差，训练集和测试集在划分时保持了相似的分布。在 122 个特征中，发现仅有 10 个对预测建模有用，其中住院期间的急性肾损伤特征最为重要。算法的性能取决于特征数量和数据预处理技术。LSTM 在预测最终状态和 ICU 需求方面表现最佳，准确率、灵敏度、特异度和 AUC 分别为 90%、92%、86% 和 95%。DNN 在预测呼吸机使用天数方面表现最佳，准确率为 88%。综合考虑包括缺乏临床发病确切时间点在内的所有因素和局限性，采用精心挑选特征的 LSTM 能够准确预测最终状态和 ICU 需求。DNN 在预测呼吸机使用天数方面表现最佳。采用精心挑选特征和平衡数据的合适机器学习算法，可以准确预测死亡率、ICU 需求和呼吸机支持。此类模型在需要快速精准的急诊和疫情中可能非常有用。
引用
@article{arxiv.2403.19355,
title = {Artificial Intelligence (AI) Based Prediction of Mortality, for COVID-19 Patients},
author = {Mahbubunnabi Tamala and Mohammad Marufur Rahmanb and Maryam Alhasimc and Mobarak Al Mulhimd and Mohamed Derichee},
journal= {arXiv preprint arXiv:2403.19355},
year = {2024}
}
备注
Submitted to Biocybernetics and Biomedical Engineering, 22 March, 2024