利用机器学习技术自动检测新冠后患者的持续性炎症生物标志物
机器学习
2023-09-28 v1 生物大分子
摘要
COVID-19大流行给个体留下了持久影响，许多人在疾病的急性后期经历持续性症状，包括炎症。检测和监测这些炎症生物标志物对于及时干预和改善患者预后至关重要。本研究采用机器学习技术，基于从伊拉克医院收集的医疗数据，对290名新冠后患者的持续性炎症生物标志物进行自动识别。数据涵盖广泛的临床参数，如C反应蛋白和白细胞介素-6水平、患者人口统计学特征、合并症和治疗史。实施了严格的数据预处理和特征选择过程，以优化用于机器学习分析的数据集。部署了多种机器学习算法，包括逻辑回归、随机森林、支持向量机和梯度提升，以构建预测模型。这些模型展现出有前景的结果，在识别持续性炎症患者方面表现出高准确率和精度。本研究的发现强调了机器学习在自动检测新冠后患者持续性炎症生物标志物方面的潜力。这些模型可作为医疗提供者的宝贵工具，促进对持续性炎症风险个体的早期诊断和个性化治疗策略，最终改善急性后期COVID-19护理和患者福祉。
引用
@article{arxiv.2309.15838,
title = {Automated Detection of Persistent Inflammatory Biomarkers in Post-COVID-19 Patients Using Machine Learning Techniques},
author = {Ghizal Fatima and Fadhil G. Al-Amran and Maitham G. Yousif},
journal= {arXiv preprint arXiv:2309.15838},
year = {2023}
}