Diseño de un modelo de aprendizaje automático para la predicción de casos de infección por SARS-CoV-2 a partir de parámetros clínicos de laboratorio
View/
Compartir en:
- Views
- Downloads
Date
2022Publicador
Fundación Universitaria Los Libertadores. Sede Bogotá.
Documentos PDF
Abstract
El diagnóstico de COVID-19 es crucial para la identificación, aislamiento y
tratamiento de sujetos contagiosos, esto con el fin de mitigar el aumento de casos, y en
clasificar y dar prioridad, según sea la complejidad en la manifestación de la enfermedad.
Aunque existen pruebas de diagnóstico altamente sensibles, no todas las instituciones de
salud cuentan con la infraestructura o la tecnología para llevarlos a cabo, en consecuencia, se
debe tercerizar el proceso, prolongando en sí el diagnóstico. Por lo anterior, el presente
estudio se enfoca en diseñar un modelo de aprendizaje automático que permita pronosticar
casos por infección de SARS-CoV-2 a partir de parámetros clínicos de laboratorio, en el
servicio de hospitalización de una institución de salud del oriente colombiano. Metodología:
Con los datos de algunos biomarcadores del laboratorio clínico, se evaluaron aquellos que
tuvieron una asociación significativa con el contagio de SARS-CoV-2, elaborando diferentes
algoritmos de aprendizaje automático, utilizando librerías de lenguaje PYTHON. Resultado:
Se obtuvo como mejor modelo el clasificador Random Forest con un AUCROC de 0,79, una
sensibilidad del 78% y una exactitud del 72%. Conclusión: El uso de algunos biomarcadores
sanguíneos ligados con algoritmos de aprendizaje automático, pueden ser herramientas útiles
para el pronóstico de enfermedades, incluyendo COVID-19.