Core Concepts
122개의 매개변수를 사용하여 COVID-19 환자의 사망률, 중환자실 입원 및 인공호흡기 지원 요구량을 정확하게 예측할 수 있는 기계 학습 및 딥 러닝 모델을 개발하였다.
Abstract
이 연구에서는 COVID-19 환자의 사망률, 중환자실 입원 및 인공호흡기 지원 요구량을 예측하기 위해 7개의 기계 학습 알고리즘과 2개의 딥 러닝 모델을 사용하였다.
특징 선택을 위해 랜덤 포레스트와 엑스트라 트리 분류기를 사용하였으며, 10개의 주요 특징이 선별되었다. 이 중 "입원 중 급성 신장 손상"이 가장 중요한 특징으로 나타났다.
LSTM 모델은 사망률과 중환자실 입원 예측에서 가장 우수한 성능을 보였다. 정확도, 민감도, 특이도, AUC가 각각 90%, 92%, 86%, 95%였다. 인공호흡기 지원 일수 예측에서는 DNN 모델이 가장 우수한 성능을 보였다.
데이터 불균형 문제를 해결하기 위해 과소 표집과 과대 표집 기법을 적용하였다. 이를 통해 모델의 성능이 향상되었다. 그러나 정확한 질병 발병 시점 정보가 없어 모델 개발에 한계가 있었다.
이 연구 결과는 응급 상황과 대유행 시 신속하고 정확한 의사 결정에 도움이 될 것으로 기대된다.
Stats
급성 신장 손상은 COVID-19 환자의 중증도를 나타내는 지표이며, 사망률 증가와 관련이 있다.
혈중 pH 감소는 COVID-19 환자의 중증 경과와 관련이 있다.
나이와 성별은 COVID-19 환자의 사망률 예측에 중요한 요인이다.
Quotes
"급성 신장 손상은 COVID-19 환자의 중증도를 나타내는 가장 중요한 특징이다."
"혈중 pH 감소는 COVID-19 환자의 중증 경과와 관련이 있다."
"나이와 성별은 COVID-19 환자의 사망률 예측에 중요한 요인이다."