تحسين التنبؤ بدرجة خطورة حالة المرضى المصابين بالفيروس التاجي كورنا

الملخص

خلفية البحث وهدفه: رغم مرور أكثر من عامين على بداية انتشار فيروس كورونا لا تبدو المؤشرات على أن الجائحة على وشك الرحيل بالرغم من حملات اللقاحات الضخمة والإجراءات ضد هذا الوباء، وكذلك توافر اختبارات اكتشاف العدوى مبكرا.

وقدّم خلال السنتان الماضيتان نماذج متعددة للتعلم العميق باستخدام الشبكات العصبونية للوصول الى نماذج آلية سريعة تساعد في الكشف عن الحالات المصابة بمرض فيروس كورونا كوفيد 19, واعتمد الباحثون فيها على مجموعة كبيرة من السمات.

يهدف البحث الى تخفيض عدد هذه السمات مع المحافظة على أداء المصنف ومعرفة أهم السمات التي تساعد في كشف درجة خطورة الإصابة بهذا المرض وفق حالات الشفاء والوفاة من اجل إيقاف انتقال المرض وانتشاره وخاصة في أماكن العمل الشديدة الخطورة متل بيئات العمل في الرعاية الصحية.

مواد البحث وطرائقه: استخدمت الخوارزميات الاتية لتخفيض السمات: خوارزميةBoruta، الخوارزمية الوراثية، خوارزمية الجار الاقرب KNN، معامل Ridge مع الشبكات العصبونية,  ونوقشت كل منها وفقاً لعدد السمات المستخلصة في كل طريقة.

النتائج: أظهرت النتائج أن كل خوارزميات الاستخلاص تتفق بسمة العمر كأهم سمة لتزايد خطر الاصابة بفيروس كورونا. وأن ارتفاع درجة الحرارة سمة مشتركة بدرجات أهمية مختلفة بين خوارزميات الاستخلاص. كما أن السعال وارتشاح السوائل وعدد العدلات تلعب دورا مهما في ازياد احتمال الاصابة بفيروس كورونا.

الاستنتاج: إن أقل عدد من السمات التي ساعدت في كشف خطورة حالة المرضى للإصابة بفيروس كورونا مع البقاء على دقة أداء الشبكة في كشف الاصابة هو ثلاثة سمات حسب كل من الخوارزميات خوارزميةBoruta  ومعامل Ridge, بينما اكبر عدد من السمات هو خمسة وذلك حسب كل من الخوارزمية الوراثية وخوارزمية الجار الأقرب KNN.