اهمیت پیش آگهی نمره شدت درگیری ریه در تصاویر CT برای پیش بینی مرگ و میر بیماران COVID-۱۹، یک مطالعه یادگیری ماشینی

نرخ بالای مرگ و میر ‎COVID-۱۹ باعث می شود که به دنبال شناسایی زودهنگام بیماران با پیش آگهی ضعیف باشیم. در این مطالعه گذشته نگر ۶۸۵۴ بیمار بررسی شد. الگوریتم kNN عملکرد بهتری برای پیش بینی مرگ ومیر بیماران COVID-۱۹ نسبت به الگوریتم های SVM, MLP و درخت تصمیم J۴۸ دارد. برای مجموعه داده با داده های CT-SS، الگوریتم kNN دارای حساسیت ۱۰۰% ویژگی ۸۸/۳%، درستی %۹۴/۱ دقت %۸۹/۵ و ۲/۹۷% AUC است. نتایج نشان داد که ادغام داده های CT-SS با مشخصات دموگرافیک. عوامل مخاطره، تظاهرات بالینی و پارامترهای آزمایشگاهی عملکرد پیش آگهی الگوریتم های ML را بهبود می بخشد.

کلیدواژه ها:

نمره شدت درگیری ریه در تصاویر CT ، یادگیری ماشینی ، پیش بینی مرگ و میر ، COVID-۱۹