预测COVID-19患者屏蔽：一项综合研究

机器学习和大数据分析以多种方式用于抗击COVID-19大流行，包括预测、风险管理、诊断和预防。本研究聚焦于预测COVID-19患者屏蔽——识别并保护临床极度脆弱的患者免受冠状病毒侵害。研究关注用于医学文本多标签分类的技术。利用英国NHS和世界卫生组织发布的信息，我们将COVID-19患者屏蔽预测作为一个多标签分类问题提出一种新方法。我们使用公开可用的去标识ICU医学文本数据进行实验。标签源自已发布的COVID-19患者屏蔽数据。我们给出了从简单二元相关性到神经网络及最新transformers共12种多标签分类器的广泛比较。据我们所知，这是首个考虑如此范围医学文本多标签分类器的综合研究。我们强调了各种方法的优势，并论证对于当前任务，预测精度和处理时间都至关重要。