Modelli guidati dai dati per l'analisi della gravità COVID 19 nei pazienti con comorbilità: Un approccio alla valutazione del rischio clinico basato sull'intelligenza artificiale

Questo libro presenta una struttura completa basata sull'intelligenza artificiale per prevedere la gravità della COVID-19 nei pazienti con comorbidità, affrontando sfide critiche nella diagnosi, nella prognosi e nella gestione delle risorse sanitarie. Integra tecniche di Machine Learning e Deep Learning per analizzare dati clinici, demografici e di imaging medico su larga scala. Gli insiemi di dati clinici sbilanciati vengono gestiti utilizzando strategie avanzate di preelaborazione e ricampionamento, consentendo una solida previsione della mortalità, della sopravvivenza e della gravità della malattia.Il libro è una guida completa per i ricercatori, gli scienziati dei dati e gli operatori sanitari interessati alla predizione basata sull'intelligenza artificiale della gravità della COVID-19 nei pazienti con comorbilità. Il libro evidenzia che i modelli classici di apprendimento automatico, tra cui Decision Tree, Random Forest e Gaussian Naïve Bayes, raggiungono un'elevata precisione, mentre i modelli basati sulle reti neurali dimostrano una forte generalizzazione e robustezza.