Acceso usuarios
Carlos Castillo, Priscila M. Valdiviezo
Due to the health emergency, health institutions need technological advances to detect and combat the COVID-19 pandemic. Machine learning techniques can help identify infected patients, detect the spread of the virus, and analyze available patient information for better care and disease control. In this article, the application of machine learning techniques is proposed to classify patients with COVID-19 based on their clinical characteristics. Three machine learning algorithms are evaluated: Random forest, Neural network, and Logistic regression using a data set with information from patients confirmed by COVID-19 from a hospital. The experiments are carried out with a balanced and unbalanced data set. The results show that the random forest algorithm presents a better performance in the quality measures of Precision, Sensitivity, and Specificity with the balanced data set.
Debido a la emergencia sanitaria, las instituciones de salud necesitan de avances tecnológicos para detectar y combatir la pandemia del COVID-19.
Las técnicas de aprendizaje automático pueden ayudar a identificar pacientes infectados, detectar la propagación del virus, y analizar la información disponible de los pacientes para una mejor atención y control de la enfermedad. En este artículo, se propone la aplicación de técnicas de aprendizaje automático para clasificar pacientes con COVID-19 en base a sus características clínicas. Se evalúan tres algoritmos de aprendizaje automático: Bosque aleatorio, Red neuronal, Regresión logística, usando un conjunto de datos con información de pacientes confirmados por COVID-19 de un hospital. Los experimentos se realizan con el conjunto de datos balanceado y sin balancear. Los resultados muestran que el algoritmo de bosque aleatorio presenta un mejor desempeño en las medidas de calidad de Precisión, Sensibilidad y Especificidad con el conjunto de datos balanceado.
