利用集成机器学习从常规血液检测开发无风险 COVID-19 筛查算法
机器学习
2023-05-10 v3 人工智能
生物大分子
机器学习
摘要
逆转录聚合酶链反应（RTPCR）测试是辨别新冠感染的金标准诊断检测。快速抗原检测是一种筛查测试，可在短至 15 分钟内识别新冠阳性患者，但灵敏度低于 PCR 测试。除了拥有多种标准化检测试剂盒外，由于试剂盒短缺与成本、缺乏不可或缺的专家和实验室、相较于庞大人口结果耗时——尤其在发展中国家和欠发达国家——许多人甚至在检测前就已感染并康复或死亡。受新冠患者免疫与血液学指标参数偏差的启发，本研究利用新冠检测的概念，提出一种无风险且高精度的堆叠集成机器学习模型，从普遍可得、广泛分布、廉价的常规血液检测中识别新冠患者，其准确率、精确率、召回率和 F1 分数均达到令人满意的 100%。R 曲线分析也显示了该无风险模型实施的精确性。所提方法具有大规模普适低成本筛查应用的潜力。这可通过早期识别无症状或症状前人群，为将感染病例数保持在最低并控制大流行增添一层额外保护。
引用
@article{arxiv.2108.05660,
title = {Development of a Risk-Free COVID-19 Screening Algorithm from Routine Blood Tests Using Ensemble Machine Learning},
author = {Md. Mohsin Sarker Raihan and Md. Mohi Uddin Khan and Laboni Akter and Abdullah Bin Shams},
journal= {arXiv preprint arXiv:2108.05660},
year = {2023}
}
备注
Please read the (most updated) published version from here: https://doi.org/10.1201/9781003256083 and cite our article (Chapter-11). Video and BibTex citation format can be found in the description: https://youtu.be/Ci8dznDadJ4