Il Machine Learning per predire l’evoluzione del COVID-19

machine learning -studiare intelligenza artificiale

Condividi:

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram

Il Machine Learning può aiutare nel predire lo sviluppo del COVID-19 nei paziente che ne sono affetti?

Molti vaccini stanno entrando sul mercato e si spera che in poco tempo la popolazione mondiale sia completamente vaccinata.

Un quesito che però sta sorgendo sin dal principio di questa crisi epidemica è: chi sono le persone più a rischio di morire se contraessero il COVID-19?

Si capisce che se riuscissimo a rispondere a questa domanda, potremmo anche sapere chi dovrebbe essere vaccinato per prima, in quanto persona più a rischio.

Per questo motivo, voglio esporti i risultati di un gruppo di ricercatori danesi dell’Università di Copenaghen che ha condotto uno studio proprio relativamente a questo problema.

L’articolo pubblicato da questi ricercatori, lo puoi trovare qui.

In queste righe, cercherò di riassumerti lo studio che hanno svolto ed i risultati trovati.

Introduzione

I ricercatori partono con l’ipotizzare che ci sia un modello di Machine Learning con cui si possa predire l’evoluzione del COVID-19 in pazienti contagiati.

I ricercatori utilizzano i dati provenienti dal database del Electronic Health Record danese. In particolare, considerano 3994 pazienti che hanno avuto per lo meno un test covid positivo.

A questi, aggiungono 1650 pazienti provenienti dalla banca dati britannica.

Per ogni paziente, i ricercatori considerano vari attributi, tra i quali: indice massa corporea, età, sesso, diabete, problemi cardiaci, etc.

Questi attributi sono stati analizzati per ogni paziente in quattro fasi temporali diverse:

  • Annuncio della positività al COVID-19 (non ancora ospedalizzati)
  • Le prime 12 ore dopo l’ospedalizzazione
  • Le successive 12 ore prima di entrare in terapia intensiva
  • Le successive 12 ore dopo essere entrati in terapia intensiva

Il modello che è stato creato, aveva l’obbiettivo di predire uno di questi quattro eventi:

  • Ospedalizzazione
  • Entrata in terapia intensiva
  • Respirazione assistita
  • Morte

Il modello di predizione usato nel machine learning

I ricercatori utilizzano l’algoritmo di Random Forest per costruire il modello di predizione, usando la libreria di scikit-learn.

La fase di training e di validation del modello di predizione è fatta con i dati provenienti dal dataset della banca dati danese. Gli ulteriori dati provenienti dalla banca dati britannica sono stati utilizzati per un’ulteriore fase di validation.

Le metriche considerate per le performance sono:

  • Il rapporto True/False positive
  • Precision/Recall

I risultati raggiunti sono:

  • Ospedalizzazione dei pazienti con un rapporto True/False positive di 0.82
  • Entrata in terapia intensiva con un rapporto True/False positive di 0.8
  • Respirazione assistita con un rapporto True/False positive di 0.82
  • Morte con un rapporto True/False positive di 0.9

Gli attributi considerati erano: indice di massa corporea, età e sesso.


Se si aggiungono ulteriori attributi che vengono presi in considerazione dopo l’ospedalizzazione, i risultati migliorano ancora.

Discussioni finali

Lo studio giunge quindi a queste conclusioni:

Età e indice di massa corporea sono tra le caratteristiche più importanti da considerare per predire l’ammissione ospedaliera.

Invece, il sesso femminile, la presenza di pressione sanguigna alta e eventuali problemi neurologici sono attributi importanti da considerare per predire l’eventuale morte o la respirazione assistita.

Se paziente COVID-19 ha un numero elevato di questi fattori, avrà una probabilità alta di morire o comunque aver bisogno di una respirazione assistita.

Ti consiglio di leggere questo articolo scientifico per farti capire come il Machine Learning può essere applicato anche a studi ospedalieri in questo periodo particolare.

Se conosci altri articoli dove dei ricercatori stanno studiando modelli per predire il progredire del COVID-19 nei pazienti, fammelo sapere nei commenti.

A presto!

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram
Fabio Bernardini

Fabio Bernardini

Sono laureato in Ingegneria delle Telecomunicazioni e adesso lavoro come dottorando al Dipartimento di Ingegneria dell’Informazione a Pisa. Mi occupo di progettare sistemi di localizzazione in tempo reale in ambienti indoor o outdoor in ambito Internet of Things per l’Artificial Intelligence e il Data Science. Sono in costante contatto con persone che come me credono che l’Internet of Things sia la base per la rivoluzione digitale del nostro Paese. Per tale motivo creo contenuti su questo ambito e mi aggiorno continuamente.

Iscriviti
Notificami
guest
0 Commenti
Inline Feedback
Vedi tutti i commenti
Neuragate