يك رويكرد جديد مبتني بر الگوريتم CatBoost و هوش مصنوعي تفسيرپذير به منظور تشخيص بيماري كرونا بر اساس علائم بيماري

ويروس كرونا كه در ماه دسامبر 2019 در شهر ووهان چين ديده شد و به سرعت در سراسر جهان شيوع پيدا كرد، همچنان يك تهديد مهم براي سلامت جهان به شمار مي‌آيد. علي‌رغم همه استراتژي‌هاي مورد استفاده براي مقابله با گسترش كوييد-۱۹، هنوز به تدابير بيشتري براي رفع پيامدهاي ناشي از آن نياز است. در اين پژوهش براي تشخيص فرد مبتلا به كوويد-۱۹ از ويژگي‌هاي باليني افراد به عنوان داده‌هاي ورودي استفاده شده است كه حاصل جمع‌آوري اطلاعات از پژوهش‌هاي مشابه است. همچنين از الگوريتمهاي مختلفي شامل يادگيري ماشين بردار پشتيبان، رگرسيون لجستيك، k نزديكترين همسايه (k=9)، بيز ساده، جنگل تصادفي، LightGBM، XgBoost و CatBoost استفاده شده كه از ميان آنها الگوريتمCatBoost ، با كسب حساسيت 97/97 درصد، دقت 97/72 درصد و صحت ۹۶/۹۶ درصد بهترين نتايج را از خود نشان داد. در اين الگوريتم، براي تنظيم هر چه دقيقتر فوق‌پارامترها به منظور رسيدن به نتايج مطلوب از روش آزمون و خطا استفاده شده و از SHAP براي تفسير نتايج و مشخص كردن تاثير ويژگي‌ها بر خروجي الگوريتم استفاده گرديده است.