抗ウイルス薬および抗レトロウイルス薬ジャーナル
オープンアクセス

概要

COVID-19 患者を早期に診断するための機械学習に基づく予測モデル

Nannan Sun、Ya Yang、Lingling Tang、Zhen Li、Yineing Dai、Wan Xu、Xiaoliang Qian、Hainv Gao、Bin Ju

目的: COVID-19感染の早期診断の適時性を改善するには、発熱外来におけるCOVID-19患者の早期診断を支援する意思決定ツールを開発することが不可欠です。

材料と方法：本論文は、COVID-19の初期感染患者912人の臨床データからリスク要因を抽出し、ロジスティック回帰（LR）、サポートベクターマシン（SVM）、決定木（DT）、ランダムフォレスト（RF）の4種類の従来の機械学習アプローチとディープラーニングベースの方法を利用してCOVID-19の初期診断を行うことを目的としています。

結果：結果は、LR​​予測モデルが0.95という高い特異度、0.971という受信者動作曲線下面積（AUC）、0.82という改善された感度を示しており、COVID-19感染の早期スクリーニングに最適であることを示しています。また、浙江省の人口における最良のモデル（LR予測モデル）の一般性の検証を行い、予測モデルに対する要因の寄与を分析しました。

議論: COVID-19パンデミックの背景下で、COVID-19の早期診断は依然として厳しい課題に直面しており、COVID-19患者の早期診断を支援する意思決定ツールは発熱クリニックにとって不可欠です。

結論：本論文では、機械学習手法がCOVID-19感染の早期診断の精度と適時性を向上させる能力について説明し、強調しています。LRベースの予測モデルのAUCが高いため、COVID-19の診断を支援するためのより効果的な方法となっています。最適なモデルはモバイルアプリケーション（APP）としてカプセル化され、浙江省のいくつかの病院に導入されています。