코로나19 환자 조기 분류를 위한 다층 스태킹 앙상블 기반 임상 중증도 예측 모델

Abstract

코로나19 확산 상황에서는 환자의 임상 중증도에 따라 신속하게 치료순위를 정하고 입원 치료가 필요한 환자들을 빠르게 선별하는 것이 중요하다. 본 논문에서는 5,651명의 코로나19 확진자 임상역학정보 데이터를 기반으로 다양한 기계학습 모델의 특성을 활용할 수 있는 다층 스태킹 앙상블 기반 임상 중증도 예측 모델을 제안한다. 모델의 정확도를 확보하기 위해 다양한 기계학습 기반 모델들 간의 상관분석을 실시하여 제안모델에 포함되는 서브모델들을 도출하였다. 또한 실제 코로나19 임상 중증도에 영향을 미치는 특성들을 분석하여 선별된 특성 적용을 통해 모델의 성능을 향상시켰다. 실험 결과 본 논문에서 제안한 모델의 F1(0.9373) 및 AUROC(0.9545) 점수는 기존 단일 모델들의 평균 점수 대비 각각 7.25%, 6.21% 향상되었다.