Makine öğrenmesi algoritmaları ile covid-19 hastalarının belirlenmesi

Abstract

SARS-CoV-2, Aralık 2019'da Çin'in Hubei eyaletinde ortaya çıkan ve Dünya Sağlık Örgütü tarafından Mart 2020'de pandemi olarak ilan edilen COVID-19 salgınına yol açan yeni bir koronavirüs türüdür. Ortaya çıktığı ilk günden itibaren dünya çapında hızla yayılmış ve dört milyondan fazla insanın ölümüne neden olmuştur. COVID-19 salgınının daha fazla yayılmasını kontrol altına almak ve bulaşmayı durdurmak için SARS-CoV-2 ile enfekte hastaların mümkün olan en erken zamanda hızlı ve doğru teşhisi kritik önem taşımaktadır. Bu çalışmada, makine öğrenimi (ML) algoritmalarını kullanarak tam kan sayımı sonuçlarından SARS-CoV-2 pozitif hastaların teşhis edilmesi amaçlanmaktadır. Çalışmada kullanılan veriler, COVID-19 salgınının yayılımıyla mücadele etmek amacıyla Brezilya, São Paulo'daki İsrail Albert Einstein Hastanesi tarafından paylaşılmış ve halka açık bir veri bilimi topluluğu tarafından yayınlanmıştır. Veri seti normal servis ve genel olmak üzere iki gruba ayrılmış ve K-En Yakın Komşu (KNN), Naif Bayes (NB) ve Destek Vektör Makinesi (SVM) makine öğrenme algoritmaları kullanılarak incelenmiştir. SVM normal servis grubu için % 92 ve genel grup için % 93,5 doğrulukla en iyi performansı göstermiştir. Elde edilen sonuçlar makine öğrenme algoritmaları ile oluşturulacak modellerle tam kan sayım sonuçlarını kullanarak SARS-CoV-2 pozitif hastalarını hızlı ve ucuz bir şekilde erken aşamalarda teşhis için alternatif bir yöntem olarak kullanılabileceğini göstermektedir.

SARS-CoV-2 is a novel coronavirus that emerged in Hubei province of China in December 2019 and caused the COVID-19 outbreak, which was declared a pandemic by the World Health Organization in March 2020. It has spread rapidly worldwide from the day when it first occurred and has caused the death more than four million people. It is critical to rapid and accurate diagnosis of SARS-CoV-2 infected patients as early as possible to control further spread of COVID-19 outbreak and stop contamination. In this study, it is aimed to diagnose SARS-CoV-2 positive patients from complete blood count results using machine learning (ML) algorithms. The data used in this study were shared by Israelita Albert Einstein Hospital in São Paulo, Brazil, and published by a public data science community to struggle the spread of the co epidemic. The data set are divided into two groups: normal service and general group, and each group was analyzed by using K-Nearest Neighbors (KNN), Naive Bayes (NB) and Support Vector Machine (SVM) machine learning algorithms. SVM performed best with an accuracy of 92% for the normal service group and 93.5% for the general group. The results shows that models created using machine learning algorithms will be used as an alternative method to diagnose SARS-CoV- 2 positive patients at early stages by making a fast and inexpensive screening using the outputs of complete blood count.