Modèles pilotés par les données pour l'analyse de la sévérité COVID 19 chez patients atteints comorbidité: Une approche d'évaluation des risques cliniques basée sur l'IA

Ce livre présente un cadre complet axé sur l'intelligence artificielle pour prédire la gravité de COVID-19 chez les patients présentant des comorbidités, en relevant des défis critiques en matière de diagnostic, de pronostic et de gestion des ressources de soins de santé. Il intègre des techniques d'apprentissage automatique et d'apprentissage profond pour analyser des données cliniques, démographiques et d'imagerie médicale à grande échelle. Les ensembles de données cliniques déséquilibrés sont traités à l'aide de stratégies avancées de prétraitement et de rééchantillonnage, permettant une prédiction robuste de la mortalité, de la survie et de la gravité de la maladie.Ce livre est un guide complet pour les chercheurs, les scientifiques des données et les professionnels de la santé qui s'intéressent à la prédiction basée sur l'IA de la gravité de COVID-19 chez les patients présentant des comorbidités. Il souligne que les modèles classiques d'apprentissage automatique, y compris l'arbre de décision, la forêt aléatoire et les Bayes naïves gaussiennes, atteignent une grande précision, tandis que les modèles basés sur les réseaux neuronaux font preuve d'une forte généralisation et d'une grande robustesse.