Análise de Predição e Importância de Características para a Gravidade da COVID-19 na Coreia do Sul Usando Inteligência Artificial: Desenvolvimento e Validação do Modelo

MOTIVAÇÃO: O número de mortes por COVID-19 continua a aumentar em todo o mundo. Em particular, se a condição de um paciente for suficientemente grave para exigir ventilação invasiva, é mais provável que leve à morte do que à recuperação. OBJETIVO: O objetivo do nosso estudo foi analisar os fatores relacionados à gravidade da COVID-19 em pacientes e desenvolver um modelo de inteligência artificial (IA) para prever a gravidade da COVID-19 em um estágio inicial. MÉTODOS: Desenvolvemos um modelo de IA que prevê a gravidade com base em dados de 5601 pacientes com COVID-19 de todos os hospitais nacionais e regionais na Coreia do Sul até abril de 2020. A gravidade clínica da COVID-19 foi dividida em duas categorias: baixa e alta gravidade. A condição dos pacientes no grupo de baixa gravidade correspondia à ausência de limitações de atividade, suporte de oxigênio com cânula nasal ou máscara facial, e ventilação não invasiva. A condição dos pacientes no grupo de alta gravidade correspondia à ventilação invasiva, falência de múltiplos órgãos com oxigenação por membrana extracorpórea necessária, e morte. Para a entrada do modelo de IA, utilizamos 37 variáveis dos registros médicos, incluindo informações básicas dos pacientes, um índice físico, achados da avaliação inicial, achados clínicos, doenças comórbidas e resultados gerais de exames de sangue em um estágio inicial. A análise de importância de características foi realizada com AdaBoost, floresta aleatória e XGBoost (eXtreme Gradient Boosting); o modelo de IA para prever a gravidade da COVID-19 entre os pacientes foi desenvolvido com uma rede neural profunda (DNN) de 5 camadas com as 20 características mais importantes, que foram selecionadas com base na análise de importância de características classificadas de 37 características do conjunto de dados abrangente. O procedimento de seleção foi realizado utilizando sensibilidade, especificidade, precisão, precisão balanceada e área sob a curva (AUC). RESULTADOS: Descobrimos que a idade era o fator mais importante para prever a gravidade da doença, seguido pelo nível de linfócitos, contagem de plaquetas e falta de ar ou dispneia. Nossa DNN proposta de 5 camadas com as 20 características mais importantes forneceu alta sensibilidade (90,2%), especificidade (90,4%), precisão (90,4%), precisão balanceada (90,3%) e AUC (0,96). CONCLUSÕES: Nosso modelo de IA proposto com as características selecionadas foi capaz de prever a gravidade da COVID-19 de forma precisa. Também desenvolvemos uma aplicação web para que qualquer pessoa possa acessar o modelo. Acreditamos que compartilhar o modelo de IA com o público será útil para validar e melhorar seu desempenho.