Classification of COVID-19 associated symptomatology using machine learning

• Julian Andres Ramirez-Bautista ^[1] ; Silvia L. Chaparro-Cárdenas ^[1] ; Wilson Gamboa-Contreras ^[1] ; William Guerrero-Salazar ^[1] ; Jorge Adalberto Huerta-Ruelas ^[2]
  1. [1] Fundación Universitaria de San Gil

     Fundación Universitaria de San Gil

     Colombia

     
  2. [2] Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada-Instituto Politécnico Nacional, Querétaro, México
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 90, Nº. 226, 2023, págs. 36-43
• Idioma: inglés
• Títulos paralelos:
  • Clasificación de la sintomatología asociada a la COVID-19 mediante aprendizaje automático
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La situación sanitaria provocada por el coronavirus SARS-Cov2 plantea grandes retos a la comunidad científica. Los avances en inteligencia artificial son un recurso muy útil, pero es importante determinar qué síntomas presentados por los casos positivos de infección son los mejores predictores. Se utilizó un enfoque de aprendizaje automático con datos de 5.434 personas, con once síntomas: problemas respiratorios, tos seca, dolor de garganta, secreción nasal, antecedentes de asma, pulmón crónico, dolor de cabeza, enfermedad cardíaca, hipertensión, diabetes y fiebre. Basado en datos públicos de Kaggle con síntomas estandarizados por la OMS. Se desarrolló un modelo para detectar los casos positivos de COVID-19 utilizando un modelo simple de aprendizaje automático. Se compararon los resultados de 4 funciones de pérdida y por valores SHAP. La mejor función de pérdida fue la Entropía Cruzada Binaria, con una configuración de una sola capa oculta con 10 neuronas, logrando una puntuación F1 de 0,98 y el modelo fue calificado con un área bajo la curva de 0,99 aucROC.

  • English

    The health situation caused by the SARS-Cov2 coronavirus, posed major challenges for the scientific community. Advances in artificial intelligence are a very useful resource, but it is important to determine which symptoms presented by positive cases of infection are the best predictors. A machine learning approach was used with data from 5,434 people, with eleven symptoms: breathing problems, dry cough, sore throat, running nose, history of asthma, chronic lung, headache, heart disease, hypertension, diabetes, and fever. Based on public data from Kaggle with WHO standardized symptoms. A model was developed to detect COVID-19 positive cases using a simple machine learning model. The results of 4 loss functions and by SHAP values, were compared. The best loss function was Binary Cross Entropy, with a single hidden layer configuration with 10 neurons, achieving an F1 score of 0.98 and the model was rated with an area under the curve of 0.99 aucROC.