基于机器学习利用全国性多中心数据库中患者生成健康数据的COVID-19患者分诊算法
机器学习
2022-02-18 v5 人工智能
摘要
对确诊传染病的患者建立快速的严重程度评估模型，可在减轻医疗系统负担的同时实现高效诊断。本研究旨在开发一种SARS-CoV-2严重程度评估模型，并建立一个医疗系统，使患者能够根据其他相似严重程度患者的既往治疗数据自查病例严重程度，并获知前往合适的诊疗中心。本文给出了利用机器学习技术构建严重程度评估模型的过程及其在SARS-CoV-2患者上的应用。所提模型基于韩国政府机构提供的全国性数据集训练，仅需患者基本个人数据即可自行判断病例严重程度。建模后，选择基于提升法的决策树模型作为分类器，并将死亡率解释为概率分数。数据集采集自2020年2月至2021年7月期间所有确诊COVID-19的韩国公民。实验取得了高模型性能，精确率约为0.923，AUROC分数为0.950[95%容忍区间0.940-0.958，95%置信区间0.949-0.950]。此外，我们通过敏感性分析识别了模型中影响严重程度的最重要变量。利用全国性数据集已实现用于管理传染病患者的快速严重程度评估模型，其性能超越常规风险评估，展现出优越性。凭借模型的高性能与易获取特性，该分诊算法有望在患者通过智能手机应用自行监测健康状况时特别有用。
引用
@article{arxiv.2109.09001,
title = {Machine Learning-Based COVID-19 Patients Triage Algorithm using Patient-Generated Health Data from Nationwide Multicenter Database},
author = {Min Sue Park and Hyeontae Jo and Haeun Lee and Se Young Jung and Hyung Ju Hwang},
journal= {arXiv preprint arXiv:2109.09001},
year = {2022}
}
备注
To appear in Infectious Diseases and Therapy