Algoritmos de aprendizaje automático y profundo para la predicción de mortalidad por COVID-19 utilizando características clínicas y radiómicas
Autores: Verzellesi, Laura; Botti, Andrea; Bertolini, Marco; Trojani, Valeria; Carlini, Gianluca; Nitrosi, Andrea; Monelli, Filippo; Besutti, Giulia; Castellani, Gastone; Remondini, Daniel; Milanese, Gianluca; Croci, Stefania; Sverzellati, Nicola; Salvarani, Carlo; Iori, Mauro
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Algoritmos de aprendizaje automático y profundo para la predicción de mortalidad por COVID-19 utilizando características clínicas y radiómicas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aprendizaje automático
Aprendizaje profundo
Predicción de mortalidad por covid-19
Características radiómicas
Características clínicas
Clasificadores
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Objetivo: Nuestro trabajo, realizado en conjuntos de datos grandes y heterogéneos (es decir, datos de diferentes escáneres CT), confirma los resultados obtenidos en la literatura reciente. Tales algoritmos tienen el potencial de ser incluidos en un marco de práctica clínica ya que no solo pueden aplicarse a la predicción de mortalidad por COVID-19, sino también a otros problemas de clasificación como la predicción de diabetes, la predicción de asma y la predicción de metástasis cancerosas. Nuestro estudio demuestra que la inhomogeneidad de la lesión representada por características radiómicas combinada con información clínica es relevante para la predicción de mortalidad por COVID-19.
Descripción
Objetivo: Nuestro trabajo, realizado en conjuntos de datos grandes y heterogéneos (es decir, datos de diferentes escáneres CT), confirma los resultados obtenidos en la literatura reciente. Tales algoritmos tienen el potencial de ser incluidos en un marco de práctica clínica ya que no solo pueden aplicarse a la predicción de mortalidad por COVID-19, sino también a otros problemas de clasificación como la predicción de diabetes, la predicción de asma y la predicción de metástasis cancerosas. Nuestro estudio demuestra que la inhomogeneidad de la lesión representada por características radiómicas combinada con información clínica es relevante para la predicción de mortalidad por COVID-19.