機械学習を用いたルーチン血液試験によるCOVID-19診断【JST・京大機械翻訳】

Kukar Matjaz; Guncar Gregor; Vovko Tomaz; Podnar Simon; Cernelc Peter; Brvar Miran; Zalaznik Mateja; Notar Mateja; Moskon Saso; Notar Marko

プレプリント

J-GLOBAL ID：202202202887145217 整理番号：22P0155773

機械学習を用いたルーチン血液試験によるCOVID-19診断【JST・京大機械翻訳】

COVID-19 diagnosis by routine blood tests using machine learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2020年06月04日プレプリントサーバーでの情報更新日： 2020年06月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

コロナウイルス病(COVID-19)の患者のケアを受けている医師は,日常の血液パラメータにおける異なる変化を記述した。しかし,これらの変化は,COVID-19診断を実施することからそれらを妨げる。COVID-19診断のための機械学習予測モデルを構築した。モデルを,種々の細菌およびウイルス感染を有する5333人の患者,および160人のCOVID-19陽性患者について,ルーチンの血液検査で,ベースおよび交差検証した。操作ROCポイントを,81.9%の感度と97.9%の特異性で選択した。曲線下面積(AUC)は0.97であった。XGBoostアルゴリズムの特徴重要性スコアリングによるCOVID19診断のための5つの最も有用なルーチン血液パラメータは,MCHC,好酸球数,アルブミン,INR,およびプロトロンビン活性パーセンテージtSNE可視化は,重度のCOVID-19コースを有する患者の血液パラメータが,ウイルス感染より細菌性のパラメータのようなことを示した。報告された診断精度は少なくとも同等であり,おそらくRT-PCRおよび胸部CT研究に相補的である。発熱,咳,筋痛,および他の症状を有する患者は,現在,著者らの診断ツールによって評価される初期のルーチンの血液検査がある。陽性COVID-19予測を有するすべての患者は,診断を確認するために標準RT-PCR研究を受けた。本結果は,COVID-19診断の改善への有意な寄与を示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

感染症・寄生虫症の診断

, , , ,

前のページに戻る