Classifying the evolution of COVID-19 severity on patients with combined dynamic Bayesian networks and neural networks

要約

何らかの病気の影響で病院に到着する患者に直面するとき、直面する主な問題の 1 つは、その患者が近い将来に集中治療を必要とするかどうかを評価することです。
この集中治療では、貴重で希少なリソースを割り当てる必要があり、患者の病気の重症度を事前に知ることで、治療とリソースの編成の両方を改善できます。
この問題は、第 6 流行波のスペインの COVID-19 患者と一致するデータセットで説明されており、患者が集中治療室に入る必要があったか、亡くなった場合に重篤とラベル付けされています。
次に、動的ベイジアン ネットワークの使用を組み合わせて、次の 40 時間にわたる患者のバイタル サインと血液分析結果を予測し、ニューラル ネットワークを使用して、その時間間隔で患者の病気の重症度を評価します。
私たちの経験的結果は、患者の現在の状態をDBNを使用して将来の値に転置し、その後の分類で使用すると、分類子を直接適用するよりも精度とg平均スコアが向上することを示しています。

要約(オリジナル)

When we face patients arriving to a hospital suffering from the effects of some illness, one of the main problems we can encounter is evaluating whether or not said patients are going to require intensive care in the near future. This intensive care requires allotting valuable and scarce resources, and knowing beforehand the severity of a patients illness can improve both its treatment and the organization of resources. We illustrate this issue in a dataset consistent of Spanish COVID-19 patients from the sixth epidemic wave where we label patients as critical when they either had to enter the intensive care unit or passed away. We then combine the use of dynamic Bayesian networks, to forecast the vital signs and the blood analysis results of patients over the next 40 hours, and neural networks, to evaluate the severity of a patients disease in that interval of time. Our empirical results show that the transposition of the current state of a patient to future values with the DBN for its subsequent use in classification obtains better the accuracy and g-mean score than a direct application with a classifier.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google