{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3246493"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3246493","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Κατηγοριοποίηση ασθενών COVID-19 με τη χρήση αλγορίθμων μηχανικής μάθησης","abstract":"Στα τέλη του 2019 έκανε την εμφάνισή της η ασθένεια του νέου κορονοϊού 2019 (COVID-19), η οποία προκαλείται από τον ιό SARS-CoV-2. Ο ιός ανιχνεύτηκε για πρώτη φορά στην πόλη της Γουχάν της Κίνας το Δεκέμβριο του 2019 και έκτοτε έχει εξαπλωθεί παγκοσμίως ως η νέα πανδημία [1], η οποία συνεχίζεται μέχρι και σήμερα. Ο SARS-CoV-2 (Severe Acute Respiratory Syndrome Corona Virus 2) διασπείρεται αερογενώς μέσω αναπνευστικών σταγονιδίων ή αερολυμάτων που παράγονται από τον βήχα ή το φτέρνισμα, ενός μολυσμένου ατόμου. Ο SARS-CoV-2 ως RNA ιός εμφανίζει μεταλλάξεις λόγω του τρόπου αναπαραγωγής του με αποτέλεσμα τη δημιουργία αρκετών παραλλαγών του οι οποίες και κατατάσσονται σε παραλλαγές ανησυχίας (Variants of Consern-VOCs) και παραλλαγές ενδιαφέροντος (Variants of Interest-VOIs) από τον Παγκόσμιο Οργανισμό Υγείας (WHΟ). Βασικός παράγοντας που αυξάνει τον κίνδυνο επιπλοκών και τη σοβαρότητα νόσησης με COVID-19 είναι η ηλικία, καθώς οι ηλικιωμένοι είναι πιο πιθανό να αρρωστήσουν σοβαρά από COVID-19. Τα μέτρα πρόληψης που λήφθηκαν παγκοσμίως για την ελαχιστοποίηση μετάδοσης του SAR-CoV-2 περιλαμβάναν την κοινωνική αποστασιοποίηση, τον αερισμό εσωτερικών χώρων, την κάλυψη του προσώπου κατά το βήχα ή το φτάρνισμα, το πλύσιμο των χεριών και την χρήση μάσκας προσώπου σε εσωτερικούς χώρους και φυσικά τον εμβολιασμό. Μέχρι και σήμερα τουλάχιστον δέκα εμβόλια έχουν λάβει έγκριση από τουλάχιστον μία εθνική ρυθμιστική αρχή για χρήση στο ευρύ κοινό. Στην αντιμετώπιση αυτής της παγκόσμιας κρίσης έρχεται να συμβάλει η Τεχνητή Νοημοσύνη μέσω των δυνατότητων που προσφέρει στης δημιουργίας μοντέλων πρόβλεψης μέσω των αλγορίθμων της Μηχανικής Μάθησης. Οι αλγόριθμοι Μηχανικής Μάθησης επεξεργάζονται τη γνώση και την αναπαριστούν με πιο μαθηματικοποιημένους τρόπους και εφαρμόζονται με επιτυχία στην επίλυση πληθώρας προβλημάτων, για πολλούς επιστημονικούς τομείς, όπως η Εξόρυξη Δεδομένων, οι Πιθανότητες και η Στατιστική, η Νευροβιολογία, κ.α. Στόχος της παρούσας εργασίας, είναι η σύγκριση διαφορετικών αλγοριθμικών μοντέλων, με σκοπό την εύρεση της καλύτερου τρόπου μοντέλου πρόβλεψης της θνησιμότητας των ασθενών με COVID-19, μέσα από 6 αλγορίθμους κατηγοριοποίησης, χρησιμοποιώντας δεδομένα τα κλινικά χαρακτηριστικά και το ιστορικό των ασθενών. Πιο συγκεκριμένα το σύνολο των δεδομένων αποτελείται από 12.425.179 άτομα ύποπτα για COVID-19, τα οποία προσήλθαν σε υγειονομικές μονάδες του Μεξικού, με τα 3.993.464 από αυτά να είναι θετικά στον SARS-CoV-2. Οι 6 αλγόριθμοι που χρησιμοποιήθηκαν, είναι η Λογιστική Παλινδρόμηση (LR), τα Δέντρα Απόφασης (DTs), το Τυχαίο Δάσος (RF), η Ακραία Ενίσχυση Κλίσης (ΧGB), τα ΤΝΔ Πολυστρωματικών Αντιλήπτρων (MLPs) και οι Κ Εγγύτερων Γειτόνων (KNN). Μετά από την ολοκλήρωση της Προεπεξεργασίας των δεδομένων, η οποία περιελάμβανε τον καθαρισμό των δεδομένων από δείγματα με ελλείπεις τιμές, την απαλοιφή κυρίως γεωγραφικών χαρακτηριστικών (columns), τα οποία δε σχετιζόντουσαν με τη θνησιμότητα από COVID-19 και τέλος την μετασχηματισμό των συνεχών δεδομένων με 6 διαφορετικούς τρόπους (No Scaling, Standard Scaling, Min-Max Scaling με εύρη 0-1, 0-10, 0-100, 0-1000), τα δεδομένα τροφοδοτήθηκαν στα διαφορετικά μοντέλα των αλγορίθμων. Για κάθε αλγόριθμο προέκυψαν 54 μοντέλα (6 τρόποι προεπεξεργασίας x 3 σετ χαρακτηριστικών x 3 σετ υπερπαραμέτρων) με τον κάθε μοντέλο να εκτελείται 10 φόρες (iterations), με διαφορετικά υποσύνολα του συνόλου των δεδομένων, ώστε να ληφθεί η μέση τιμή (mean) των μετρικών του, φτάνοντας έτσι τις 540 εκτελέσεις για τον κάθε αλγόριθμο, με τελικό σύνολο τις 3.240 εκτελέσεις και για τους 6 αλγορίθμους. Έπειτα προχωρήσαμε στην αξιολόγηση τους με βάση 5 μετρικά την Ακρίβεια (Precision), την Ευαισθησία-Ανάκληση (Recall), την Βαθμολογία F1 (F1 Score), την Περιοχή κάτω από την καμπύλη ROC (Area Under Curve ROC, AUC_ROC) και την Διάρκεια (Runtime). Η κατάταξη των αλγορίθμων, με βάση την απόδοση των μοντέλων τους, έφερε 1α τα μοντέλα της Ακραίας Ενίσχυσης Κλίσης (XGB), 2α αυτά του Τυχαίο Δάσος (RF), 3α εκείνα των Τεχνητών Νευρωνικών Δικτύων Πολυστρωματικών Αντιλήπτρων (MLPs), 4α αυτά των Δέντρα Αποφάσεως (DTs), 5α εκείνα των Κ Εγγύτερων Γειτόνων (KNN) και 6α αυτά της Λογιστικής Παλινδρόμησης (LR). Το βέλτιστο μοντέλο ήταν αυτό της XGB τα οποία χρησιμοποίησαν και τα 22 χαρακτηριστικά (columns), με τον Μin-Max scaler με εύρος 0-100 και με τις optimal_01 τιμές υπερπαραμέτρων, με μέσο όρο (mean) για τα μετρικά της Precision 0,93764 (93,76%), της Recall 0,95472 (95,47%), του F1-score 0,9113, της AUC_ROC 0,97855 και της Runtime τα 6,67306 sec.","abstract_html":"Στα τέλη του 2019 έκανε την εμφάνισή της η ασθένεια του νέου κορονοϊού 2019 (COVID-19), η οποία προκαλείται από τον ιό SARS-CoV-2. Ο ιός ανιχνεύτηκε για πρώτη φορά στην πόλη της Γουχάν της Κίνας το Δεκέμβριο του 2019 και έκτοτε έχει εξαπλωθεί παγκοσμίως ως η νέα πανδημία [1], η οποία συνεχίζεται μέχρι και σήμερα. Ο SARS-CoV-2 (Severe Acute Respiratory Syndrome Corona Virus 2) διασπείρεται αερογενώς μέσω αναπνευστικών σταγονιδίων ή αερολυμάτων που παράγονται από τον βήχα ή το φτέρνισμα, ενός μολυσμένου ατόμου. Ο SARS-CoV-2 ως RNA ιός εμφανίζει μεταλλάξεις λόγω του τρόπου αναπαραγωγής του με αποτέλεσμα τη δημιουργία αρκετών παραλλαγών του οι οποίες και κατατάσσονται σε παραλλαγές ανησυχίας (Variants of Consern-VOCs) και παραλλαγές ενδιαφέροντος (Variants of Interest-VOIs) από τον Παγκόσμιο Οργανισμό Υγείας (WHΟ). Βασικός παράγοντας που αυξάνει τον κίνδυνο επιπλοκών και τη σοβαρότητα νόσησης με COVID-19 είναι η ηλικία, καθώς οι ηλικιωμένοι είναι πιο πιθανό να αρρωστήσουν σοβαρά από COVID-19. Τα μέτρα πρόληψης που λήφθηκαν παγκοσμίως για την ελαχιστοποίηση μετάδοσης του SAR-CoV-2 περιλαμβάναν την κοινωνική αποστασιοποίηση, τον αερισμό εσωτερικών χώρων, την κάλυψη του προσώπου κατά το βήχα ή το φτάρνισμα, το πλύσιμο των χεριών και την χρήση μάσκας προσώπου σε εσωτερικούς χώρους και φυσικά τον εμβολιασμό. Μέχρι και σήμερα τουλάχιστον δέκα εμβόλια έχουν λάβει έγκριση από τουλάχιστον μία εθνική ρυθμιστική αρχή για χρήση στο ευρύ κοινό. Στην αντιμετώπιση αυτής της παγκόσμιας κρίσης έρχεται να συμβάλει η Τεχνητή Νοημοσύνη μέσω των δυνατότητων που προσφέρει στης δημιουργίας μοντέλων πρόβλεψης μέσω των αλγορίθμων της Μηχανικής Μάθησης. Οι αλγόριθμοι Μηχανικής Μάθησης επεξεργάζονται τη γνώση και την αναπαριστούν με πιο μαθηματικοποιημένους τρόπους και εφαρμόζονται με επιτυχία στην επίλυση πληθώρας προβλημάτων, για πολλούς επιστημονικούς τομείς, όπως η Εξόρυξη Δεδομένων, οι Πιθανότητες και η Στατιστική, η Νευροβιολογία, κ.α. Στόχος της παρούσας εργασίας, είναι η σύγκριση διαφορετικών αλγοριθμικών μοντέλων, με σκοπό την εύρεση της καλύτερου τρόπου μοντέλου πρόβλεψης της θνησιμότητας των ασθενών με COVID-19, μέσα από 6 αλγορίθμους κατηγοριοποίησης, χρησιμοποιώντας δεδομένα τα κλινικά χαρακτηριστικά και το ιστορικό των ασθενών. Πιο συγκεκριμένα το σύνολο των δεδομένων αποτελείται από 12.425.179 άτομα ύποπτα για COVID-19, τα οποία προσήλθαν σε υγειονομικές μονάδες του Μεξικού, με τα 3.993.464 από αυτά να είναι θετικά στον SARS-CoV-2. Οι 6 αλγόριθμοι που χρησιμοποιήθηκαν, είναι η Λογιστική Παλινδρόμηση (LR), τα Δέντρα Απόφασης (DTs), το Τυχαίο Δάσος (RF), η Ακραία Ενίσχυση Κλίσης (ΧGB), τα ΤΝΔ Πολυστρωματικών Αντιλήπτρων (MLPs) και οι Κ Εγγύτερων Γειτόνων (KNN). Μετά από την ολοκλήρωση της Προεπεξεργασίας των δεδομένων, η οποία περιελάμβανε τον καθαρισμό των δεδομένων από δείγματα με ελλείπεις τιμές, την απαλοιφή κυρίως γεωγραφικών χαρακτηριστικών (columns), τα οποία δε σχετιζόντουσαν με τη θνησιμότητα από COVID-19 και τέλος την μετασχηματισμό των συνεχών δεδομένων με 6 διαφορετικούς τρόπους (No Scaling, Standard Scaling, Min-Max Scaling με εύρη 0-1, 0-10, 0-100, 0-1000), τα δεδομένα τροφοδοτήθηκαν στα διαφορετικά μοντέλα των αλγορίθμων. Για κάθε αλγόριθμο προέκυψαν 54 μοντέλα (6 τρόποι προεπεξεργασίας x 3 σετ χαρακτηριστικών x 3 σετ υπερπαραμέτρων) με τον κάθε μοντέλο να εκτελείται 10 φόρες (iterations), με διαφορετικά υποσύνολα του συνόλου των δεδομένων, ώστε να ληφθεί η μέση τιμή (mean) των μετρικών του, φτάνοντας έτσι τις 540 εκτελέσεις για τον κάθε αλγόριθμο, με τελικό σύνολο τις 3.240 εκτελέσεις και για τους 6 αλγορίθμους. Έπειτα προχωρήσαμε στην αξιολόγηση τους με βάση 5 μετρικά την Ακρίβεια (Precision), την Ευαισθησία-Ανάκληση (Recall), την Βαθμολογία F1 (F1 Score), την Περιοχή κάτω από την καμπύλη ROC (Area Under Curve ROC, AUC_ROC) και την Διάρκεια (Runtime). Η κατάταξη των αλγορίθμων, με βάση την απόδοση των μοντέλων τους, έφερε 1α τα μοντέλα της Ακραίας Ενίσχυσης Κλίσης (XGB), 2α αυτά του Τυχαίο Δάσος (RF), 3α εκείνα των Τεχνητών Νευρωνικών Δικτύων Πολυστρωματικών Αντιλήπτρων (MLPs), 4α αυτά των Δέντρα Αποφάσεως (DTs), 5α εκείνα των Κ Εγγύτερων Γειτόνων (KNN) και 6α αυτά της Λογιστικής Παλινδρόμησης (LR). Το βέλτιστο μοντέλο ήταν αυτό της XGB τα οποία χρησιμοποίησαν και τα 22 χαρακτηριστικά (columns), με τον Μin-Max scaler με εύρος 0-100 και με τις optimal_01 τιμές υπερπαραμέτρων, με μέσο όρο (mean) για τα μετρικά της Precision 0,93764 (93,76%), της Recall 0,95472 (95,47%), του F1-score 0,9113, της AUC_ROC 0,97855 και της Runtime τα 6,67306 sec.","abstract_has_math":false,"creators":["Κουρμπάνης Νικόλαος","Kourmpanis Nikolaos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-11-19T06:20:14Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3246493"],"render_values":[{"text":"uoadl:3246493","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3246493","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3246493","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3246493","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κουρμπάνης Νικόλαος","Kourmpanis Nikolaos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2022"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3246493","https://pergamos.lib.uoa.gr/uoa/dl/object/3246493"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στα τέλη του 2019 έκανε την εμφάνισή της η ασθένεια του νέου κορονοϊού 2019 (COVID-19), η οποία προκαλείται από τον ιό SARS-CoV-2. Ο ιός ανιχνεύτηκε για πρώτη φορά στην πόλη της Γουχάν της Κίνας το Δεκέμβριο του 2019 και έκτοτε έχει εξαπλωθεί παγκοσμίως ως η νέα πανδημία [1], η οποία συνεχίζεται μέχρι και σήμερα. Ο SARS-CoV-2 (Severe Acute Respiratory Syndrome Corona Virus 2) διασπείρεται αερογενώς μέσω αναπνευστικών σταγονιδίων ή αερολυμάτων που παράγονται από τον βήχα ή το φτέρνισμα, ενός μολυσμένου ατόμου. Ο SARS-CoV-2 ως RNA ιός εμφανίζει μεταλλάξεις λόγω του τρόπου αναπαραγωγής του με αποτέλεσμα τη δημιουργία αρκετών παραλλαγών του οι οποίες και κατατάσσονται σε παραλλαγές ανησυχίας (Variants of Consern-VOCs) και παραλλαγές ενδιαφέροντος (Variants of Interest-VOIs) από τον Παγκόσμιο Οργανισμό Υγείας (WHΟ). Βασικός παράγοντας που αυξάνει τον κίνδυνο επιπλοκών και τη σοβαρότητα νόσησης με COVID-19 είναι η ηλικία, καθώς οι ηλικιωμένοι είναι πιο πιθανό να αρρωστήσουν σοβαρά από COVID-19. Τα μέτρα πρόληψης που λήφθηκαν παγκοσμίως για την ελαχιστοποίηση μετάδοσης του SAR-CoV-2 περιλαμβάναν την κοινωνική αποστασιοποίηση, τον αερισμό εσωτερικών χώρων, την κάλυψη του προσώπου κατά το βήχα ή το φτάρνισμα, το πλύσιμο των χεριών και την χρήση μάσκας προσώπου σε εσωτερικούς χώρους και φυσικά τον εμβολιασμό. Μέχρι και σήμερα τουλάχιστον δέκα εμβόλια έχουν λάβει έγκριση από τουλάχιστον μία εθνική ρυθμιστική αρχή για χρήση στο ευρύ κοινό. Στην αντιμετώπιση αυτής της παγκόσμιας κρίσης έρχεται να συμβάλει η Τεχνητή Νοημοσύνη μέσω των δυνατότητων που προσφέρει στης δημιουργίας μοντέλων πρόβλεψης μέσω των αλγορίθμων της Μηχανικής Μάθησης. Οι αλγόριθμοι Μηχανικής Μάθησης επεξεργάζονται τη γνώση και την αναπαριστούν με πιο μαθηματικοποιημένους τρόπους και εφαρμόζονται με επιτυχία στην επίλυση πληθώρας προβλημάτων, για πολλούς επιστημονικούς τομείς, όπως η Εξόρυξη Δεδομένων, οι Πιθανότητες και η Στατιστική, η Νευροβιολογία, κ.α. Στόχος της παρούσας εργασίας, είναι η σύγκριση διαφορετικών αλγοριθμικών μοντέλων, με σκοπό την εύρεση της καλύτερου τρόπου μοντέλου πρόβλεψης της θνησιμότητας των ασθενών με COVID-19, μέσα από 6 αλγορίθμους κατηγοριοποίησης, χρησιμοποιώντας δεδομένα τα κλινικά χαρακτηριστικά και το ιστορικό των ασθενών. Πιο συγκεκριμένα το σύνολο των δεδομένων αποτελείται από 12.425.179 άτομα ύποπτα για COVID-19, τα οποία προσήλθαν σε υγειονομικές μονάδες του Μεξικού, με τα 3.993.464 από αυτά να είναι θετικά στον SARS-CoV-2. Οι 6 αλγόριθμοι που χρησιμοποιήθηκαν, είναι η Λογιστική Παλινδρόμηση (LR), τα Δέντρα Απόφασης (DTs), το Τυχαίο Δάσος (RF), η Ακραία Ενίσχυση Κλίσης (ΧGB), τα ΤΝΔ Πολυστρωματικών Αντιλήπτρων (MLPs) και οι Κ Εγγύτερων Γειτόνων (KNN). Μετά από την ολοκλήρωση της Προεπεξεργασίας των δεδομένων, η οποία περιελάμβανε τον καθαρισμό των δεδομένων από δείγματα με ελλείπεις τιμές, την απαλοιφή κυρίως γεωγραφικών χαρακτηριστικών (columns), τα οποία δε σχετιζόντουσαν με τη θνησιμότητα από COVID-19 και τέλος την μετασχηματισμό των συνεχών δεδομένων με 6 διαφορετικούς τρόπους (No Scaling, Standard Scaling, Min-Max Scaling με εύρη 0-1, 0-10, 0-100, 0-1000), τα δεδομένα τροφοδοτήθηκαν στα διαφορετικά μοντέλα των αλγορίθμων. Για κάθε αλγόριθμο προέκυψαν 54 μοντέλα (6 τρόποι προεπεξεργασίας x 3 σετ χαρακτηριστικών x 3 σετ υπερπαραμέτρων) με τον κάθε μοντέλο να εκτελείται 10 φόρες (iterations), με διαφορετικά υποσύνολα του συνόλου των δεδομένων, ώστε να ληφθεί η μέση τιμή (mean) των μετρικών του, φτάνοντας έτσι τις 540 εκτελέσεις για τον κάθε αλγόριθμο, με τελικό σύνολο τις 3.240 εκτελέσεις και για τους 6 αλγορίθμους. Έπειτα προχωρήσαμε στην αξιολόγηση τους με βάση 5 μετρικά την Ακρίβεια (Precision), την Ευαισθησία-Ανάκληση (Recall), την Βαθμολογία F1 (F1 Score), την Περιοχή κάτω από την καμπύλη ROC (Area Under Curve ROC, AUC_ROC) και την Διάρκεια (Runtime). Η κατάταξη των αλγορίθμων, με βάση την απόδοση των μοντέλων τους, έφερε 1α τα μοντέλα της Ακραίας Ενίσχυσης Κλίσης (XGB), 2α αυτά του Τυχαίο Δάσος (RF), 3α εκείνα των Τεχνητών Νευρωνικών Δικτύων Πολυστρωματικών Αντιλήπτρων (MLPs), 4α αυτά των Δέντρα Αποφάσεως (DTs), 5α εκείνα των Κ Εγγύτερων Γειτόνων (KNN) και 6α αυτά της Λογιστικής Παλινδρόμησης (LR). Το βέλτιστο μοντέλο ήταν αυτό της XGB τα οποία χρησιμοποίησαν και τα 22 χαρακτηριστικά (columns), με τον Μin-Max scaler με εύρος 0-100 και με τις optimal_01 τιμές υπερπαραμέτρων, με μέσο όρο (mean) για τα μετρικά της Precision 0,93764 (93,76%), της Recall 0,95472 (95,47%), του F1-score 0,9113, της AUC_ROC 0,97855 και της Runtime τα 6,67306 sec.","In late 2019, the novel coronavirus disease 2019 (COVID-19), which is caused by the SARS-CoV-2 virus, emerged. The virus was first detected in the city of Wuhan, China in December 2019 and has since spread worldwide as the new pandemic [1], which continues to this day. SARS-CoV-2 (Severe Acute Respiratory Syndrome Corona Virus 2) is spread airborne through respiratory droplets or aerosols produced by the cough or sneeze of an infected person. SARS-CoV-2, as an RNA virus, exhibits mutations due to its mode of reproduction, resulting in the creation of several variants which are classified as Variants of Concern (VOCs) and Variants of Interest (VOIs) by the World Health Organization (WHO). A key factor that increases the risk of complications and severity of illness with COVID-19 is age, as older people are more likely to get seriously ill from COVID-19. Preventive measures taken worldwide to minimize transmission of SAR-CoV-2 included social distancing, indoor ventilation, covering the face when coughing or sneezing, washing hands, and wearing a face mask indoors and of course the vaccination. To date at least ten vaccines have been approved by at least one national regulatory authority for use in the general public. In dealing with this global crisis, Artificial Intelligence comes to contribute through the possibilities it offers to create predictive models through Machine Learning algorithms. Machine Learning algorithms process knowledge and represent it in more mathematical ways and are successfully applied to solve a multitude of problems, in many scientific fields, such as Data Mining, Probability and Statistics, Neurobiology, etc. The aim of this work is to compare different algorithmic models, with the aim of finding the best way to predict the mortality of patients with COVID-19, through 6 categorization algorithms, using data on the clinical characteristics and history of the patients. More specifically, the data set consists of 12,425,179 people suspected of having COVID-19, who attended health facilities in Mexico, with 3,993,464 of them being positive for SARS-CoV-2. The 6 algorithms used are Logistic Regression (LR), Decision Trees (DTs), Random Forest (RF), Extreme Gradient Boosting (XGB), Multilayer Perceptrons TNDs (MLPs) and K Nearest Neighbors (KNN). After the completion of the Preprocessing of the data, which included the cleaning of the data from samples with missing values, the elimination of mainly geographic features (columns), which were not related to mortality from COVID-19 and finally the transformation of the continuous data with 6 different ways (No Scaling, Standard Scaling, Min-Max Scaling for ranges 0-1, 0-10, 0-100, 0-1000), the data was fed to the different models of the algorithms. For each algorithm, 54 models were generated (6 preprocessing modes x 3 feature sets x 3 hyperparameter sets) with each model running 10 iterations, with different subsets of the data set, to obtain the mean of the metrics of, thus reaching 540 executions for each algorithm, with a final total of 3,240 executions for all 6 algorithms. Then we proceeded to evaluate them based on 5 metrics: Precision, Sensitivity-Recall, F1 Score, Area Under the ROC curve (AUC_ROC) and Runtime. The ranking of the algorithms, based on the performance of their models, brought 1st the Extreme Gradient Boost (XGB) models, 2nd the models of the Random Forest (RF), 3rd the models of Multilayer Perceptrons (MLPs), 4th the models of Trees Decision (DTs), 5th the models of K Nearest Neighbors (KNN) and 6th the models of Logistic Regression (LR). The optimal model was that of XGB which used all 22 features (columns), with the Min-Max scaler with a range of 0-100 and with the optimal_01 set of hyperparameter values, with a mean for the Precision metrics of 0.93764 (93.76%), Recall 0.95472 (95.47%), F1-score 0.9113, AUC_ROC 0.97855 and Runtime 6.67306 sec."]},{"key":"dc:title","label":"Title","values":["Κατηγοριοποίηση ασθενών COVID-19 με τη χρήση αλγορίθμων μηχανικής μάθησης"]}]}],"canonical_facts":{"dc:creator":["Κουρμπάνης Νικόλαος","Kourmpanis Nikolaos"],"dc:date":["2022"],"dc:description":["Στα τέλη του 2019 έκανε την εμφάνισή της η ασθένεια του νέου κορονοϊού 2019 (COVID-19), η οποία προκαλείται από τον ιό SARS-CoV-2. Ο ιός ανιχνεύτηκε για πρώτη φορά στην πόλη της Γουχάν της Κίνας το Δεκέμβριο του 2019 και έκτοτε έχει εξαπλωθεί παγκοσμίως ως η νέα πανδημία [1], η οποία συνεχίζεται μέχρι και σήμερα. Ο SARS-CoV-2 (Severe Acute Respiratory Syndrome Corona Virus 2) διασπείρεται αερογενώς μέσω αναπνευστικών σταγονιδίων ή αερολυμάτων που παράγονται από τον βήχα ή το φτέρνισμα, ενός μολυσμένου ατόμου. Ο SARS-CoV-2 ως RNA ιός εμφανίζει μεταλλάξεις λόγω του τρόπου αναπαραγωγής του με αποτέλεσμα τη δημιουργία αρκετών παραλλαγών του οι οποίες και κατατάσσονται σε παραλλαγές ανησυχίας (Variants of Consern-VOCs) και παραλλαγές ενδιαφέροντος (Variants of Interest-VOIs) από τον Παγκόσμιο Οργανισμό Υγείας (WHΟ). Βασικός παράγοντας που αυξάνει τον κίνδυνο επιπλοκών και τη σοβαρότητα νόσησης με COVID-19 είναι η ηλικία, καθώς οι ηλικιωμένοι είναι πιο πιθανό να αρρωστήσουν σοβαρά από COVID-19. Τα μέτρα πρόληψης που λήφθηκαν παγκοσμίως για την ελαχιστοποίηση μετάδοσης του SAR-CoV-2 περιλαμβάναν την κοινωνική αποστασιοποίηση, τον αερισμό εσωτερικών χώρων, την κάλυψη του προσώπου κατά το βήχα ή το φτάρνισμα, το πλύσιμο των χεριών και την χρήση μάσκας προσώπου σε εσωτερικούς χώρους και φυσικά τον εμβολιασμό. Μέχρι και σήμερα τουλάχιστον δέκα εμβόλια έχουν λάβει έγκριση από τουλάχιστον μία εθνική ρυθμιστική αρχή για χρήση στο ευρύ κοινό. Στην αντιμετώπιση αυτής της παγκόσμιας κρίσης έρχεται να συμβάλει η Τεχνητή Νοημοσύνη μέσω των δυνατότητων που προσφέρει στης δημιουργίας μοντέλων πρόβλεψης μέσω των αλγορίθμων της Μηχανικής Μάθησης. Οι αλγόριθμοι Μηχανικής Μάθησης επεξεργάζονται τη γνώση και την αναπαριστούν με πιο μαθηματικοποιημένους τρόπους και εφαρμόζονται με επιτυχία στην επίλυση πληθώρας προβλημάτων, για πολλούς επιστημονικούς τομείς, όπως η Εξόρυξη Δεδομένων, οι Πιθανότητες και η Στατιστική, η Νευροβιολογία, κ.α. Στόχος της παρούσας εργασίας, είναι η σύγκριση διαφορετικών αλγοριθμικών μοντέλων, με σκοπό την εύρεση της καλύτερου τρόπου μοντέλου πρόβλεψης της θνησιμότητας των ασθενών με COVID-19, μέσα από 6 αλγορίθμους κατηγοριοποίησης, χρησιμοποιώντας δεδομένα τα κλινικά χαρακτηριστικά και το ιστορικό των ασθενών. Πιο συγκεκριμένα το σύνολο των δεδομένων αποτελείται από 12.425.179 άτομα ύποπτα για COVID-19, τα οποία προσήλθαν σε υγειονομικές μονάδες του Μεξικού, με τα 3.993.464 από αυτά να είναι θετικά στον SARS-CoV-2. Οι 6 αλγόριθμοι που χρησιμοποιήθηκαν, είναι η Λογιστική Παλινδρόμηση (LR), τα Δέντρα Απόφασης (DTs), το Τυχαίο Δάσος (RF), η Ακραία Ενίσχυση Κλίσης (ΧGB), τα ΤΝΔ Πολυστρωματικών Αντιλήπτρων (MLPs) και οι Κ Εγγύτερων Γειτόνων (KNN). Μετά από την ολοκλήρωση της Προεπεξεργασίας των δεδομένων, η οποία περιελάμβανε τον καθαρισμό των δεδομένων από δείγματα με ελλείπεις τιμές, την απαλοιφή κυρίως γεωγραφικών χαρακτηριστικών (columns), τα οποία δε σχετιζόντουσαν με τη θνησιμότητα από COVID-19 και τέλος την μετασχηματισμό των συνεχών δεδομένων με 6 διαφορετικούς τρόπους (No Scaling, Standard Scaling, Min-Max Scaling με εύρη 0-1, 0-10, 0-100, 0-1000), τα δεδομένα τροφοδοτήθηκαν στα διαφορετικά μοντέλα των αλγορίθμων. Για κάθε αλγόριθμο προέκυψαν 54 μοντέλα (6 τρόποι προεπεξεργασίας x 3 σετ χαρακτηριστικών x 3 σετ υπερπαραμέτρων) με τον κάθε μοντέλο να εκτελείται 10 φόρες (iterations), με διαφορετικά υποσύνολα του συνόλου των δεδομένων, ώστε να ληφθεί η μέση τιμή (mean) των μετρικών του, φτάνοντας έτσι τις 540 εκτελέσεις για τον κάθε αλγόριθμο, με τελικό σύνολο τις 3.240 εκτελέσεις και για τους 6 αλγορίθμους. Έπειτα προχωρήσαμε στην αξιολόγηση τους με βάση 5 μετρικά την Ακρίβεια (Precision), την Ευαισθησία-Ανάκληση (Recall), την Βαθμολογία F1 (F1 Score), την Περιοχή κάτω από την καμπύλη ROC (Area Under Curve ROC, AUC_ROC) και την Διάρκεια (Runtime). Η κατάταξη των αλγορίθμων, με βάση την απόδοση των μοντέλων τους, έφερε 1α τα μοντέλα της Ακραίας Ενίσχυσης Κλίσης (XGB), 2α αυτά του Τυχαίο Δάσος (RF), 3α εκείνα των Τεχνητών Νευρωνικών Δικτύων Πολυστρωματικών Αντιλήπτρων (MLPs), 4α αυτά των Δέντρα Αποφάσεως (DTs), 5α εκείνα των Κ Εγγύτερων Γειτόνων (KNN) και 6α αυτά της Λογιστικής Παλινδρόμησης (LR). Το βέλτιστο μοντέλο ήταν αυτό της XGB τα οποία χρησιμοποίησαν και τα 22 χαρακτηριστικά (columns), με τον Μin-Max scaler με εύρος 0-100 και με τις optimal_01 τιμές υπερπαραμέτρων, με μέσο όρο (mean) για τα μετρικά της Precision 0,93764 (93,76%), της Recall 0,95472 (95,47%), του F1-score 0,9113, της AUC_ROC 0,97855 και της Runtime τα 6,67306 sec.","In late 2019, the novel coronavirus disease 2019 (COVID-19), which is caused by the SARS-CoV-2 virus, emerged. The virus was first detected in the city of Wuhan, China in December 2019 and has since spread worldwide as the new pandemic [1], which continues to this day. SARS-CoV-2 (Severe Acute Respiratory Syndrome Corona Virus 2) is spread airborne through respiratory droplets or aerosols produced by the cough or sneeze of an infected person. SARS-CoV-2, as an RNA virus, exhibits mutations due to its mode of reproduction, resulting in the creation of several variants which are classified as Variants of Concern (VOCs) and Variants of Interest (VOIs) by the World Health Organization (WHO). A key factor that increases the risk of complications and severity of illness with COVID-19 is age, as older people are more likely to get seriously ill from COVID-19. Preventive measures taken worldwide to minimize transmission of SAR-CoV-2 included social distancing, indoor ventilation, covering the face when coughing or sneezing, washing hands, and wearing a face mask indoors and of course the vaccination. To date at least ten vaccines have been approved by at least one national regulatory authority for use in the general public. In dealing with this global crisis, Artificial Intelligence comes to contribute through the possibilities it offers to create predictive models through Machine Learning algorithms. Machine Learning algorithms process knowledge and represent it in more mathematical ways and are successfully applied to solve a multitude of problems, in many scientific fields, such as Data Mining, Probability and Statistics, Neurobiology, etc. The aim of this work is to compare different algorithmic models, with the aim of finding the best way to predict the mortality of patients with COVID-19, through 6 categorization algorithms, using data on the clinical characteristics and history of the patients. More specifically, the data set consists of 12,425,179 people suspected of having COVID-19, who attended health facilities in Mexico, with 3,993,464 of them being positive for SARS-CoV-2. The 6 algorithms used are Logistic Regression (LR), Decision Trees (DTs), Random Forest (RF), Extreme Gradient Boosting (XGB), Multilayer Perceptrons TNDs (MLPs) and K Nearest Neighbors (KNN). After the completion of the Preprocessing of the data, which included the cleaning of the data from samples with missing values, the elimination of mainly geographic features (columns), which were not related to mortality from COVID-19 and finally the transformation of the continuous data with 6 different ways (No Scaling, Standard Scaling, Min-Max Scaling for ranges 0-1, 0-10, 0-100, 0-1000), the data was fed to the different models of the algorithms. For each algorithm, 54 models were generated (6 preprocessing modes x 3 feature sets x 3 hyperparameter sets) with each model running 10 iterations, with different subsets of the data set, to obtain the mean of the metrics of, thus reaching 540 executions for each algorithm, with a final total of 3,240 executions for all 6 algorithms. Then we proceeded to evaluate them based on 5 metrics: Precision, Sensitivity-Recall, F1 Score, Area Under the ROC curve (AUC_ROC) and Runtime. The ranking of the algorithms, based on the performance of their models, brought 1st the Extreme Gradient Boost (XGB) models, 2nd the models of the Random Forest (RF), 3rd the models of Multilayer Perceptrons (MLPs), 4th the models of Trees Decision (DTs), 5th the models of K Nearest Neighbors (KNN) and 6th the models of Logistic Regression (LR). The optimal model was that of XGB which used all 22 features (columns), with the Min-Max scaler with a range of 0-100 and with the optimal_01 set of hyperparameter values, with a mean for the Precision metrics of 0.93764 (93.76%), Recall 0.95472 (95.47%), F1-score 0.9113, AUC_ROC 0.97855 and Runtime 6.67306 sec."],"dc:identifier":["uoadl:3246493","https://pergamos.lib.uoa.gr/uoa/dl/object/3246493"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Κατηγοριοποίηση ασθενών COVID-19 με τη χρήση αλγορίθμων μηχανικής μάθησης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:20:14Z"}