วิชา ว30199 สัมมนา

ภาคเรียนที่ 1 ปการศึกษา 2564

เรื่อง แบบจำลองทำนายผลการวินิจฉัยโรคโควิด-19 ดวยการเรียนรูของเครื่องตามอาการเจ็บปวย
(Machine learning-based prediction of COVID-19 diagnosis based on symptoms)

นำเสนอสาขาวิชา คณิตศาสตรและวิทยาการคำนวณ วันที่ 14 กรกฎาคม พ.ศ.2564

โดย นายพีรดนย สารแกว ชัน้ ม.6/3 เลขที่ 17

บทคัดยอ
การตรวจคัดกรอง SARS-CoV-2 อยางมีประสิทธิภาพ สามารถชวยวินิจฉัยการติดเชื้อ โควิด-19 ไดอยาง
รวดเร็ว และสามารถชวยลดภาระและเวลาที่ใชในระบบการรักษาพยาบาล จึงไดมีการสรางแบบจำลองทำนายผล
การวินิจฉัยโรคโควิด-19 ดวยการเรียนรูของเครื่องตามอาการเจ็บปวยขึ้น ซึ่งรวมคุณสมบัติหลายอยางเพื่อประเมิน
ความเสี่ยงของการติดเชื้อโควิด-19 เพื่อชวยเหลือเจาหนาที่ทางการแพทยทั่วโลกในการคัดเลือกผูปวยและลดการ
สิ้นเปลืองทรัพยากรทางการแพทยที่จำกัด แบบจำลองใช Training Set จากขอมูลบันทึกบุคคลที่ผานการวินิจฉัย
การติดเชื้อ โควิด-19 จำนวน 51,831 ราย (4769 คนไดรับการยืนยันวาติดเชื้อโควิด-19) ใช Testing Set จาก
ขอมูลบันทึกผูผานการวินิจฉัยการติดเชื้อ โควิด-19 จำนวน 47,401 ราย (3624 รายไดรับการยืนยันวาติดเชื้อโค
วิด-19) โดยชุดขอมูลดังกลาวนำมาจากกระทรวงสาธารณสุขของอิสราเอลและเปนชุดขอมูลของแตละชวงเวลากัน
แบบจำลองนี้ใช Features 8 ชนิด ไดแก เพศ อายุ (มากกวา 60 ป) ประวัติการมีปฏิสัมพันธกับผูติดเชื้อ และ
อาการเจ็บปวยเบื้องตน 5 ประการ (ไอ ไขสูง หายใจหอบ เจ็บคอ ปวดศีรษะ) แบบจำลองจะถูกสรางในรูปแบบ
ของ Decision Tree Classifier และ Gradient-boosting และถู ก วั ด ประสิ ท ธิ ภ าพด ว ยการใช auROC วั ด
ความสำคั ญ ของ Features แต ล ะชนิ ด ในแบบจำลองด ว ย SHAP และวั ด ความเชื ่ อ มั ่ น ของแบบจำลองด ว ย
Bootstrap method ซึ่งพบวาแบบจำลองสามารถทำนายผลการทดสอบ โควิด-19 ไดอยางแมนยำ โดยรวมแลว
แบบจำลองสามารถนำมาใชเพื่อจัดลำดับความสำคัญของการวินิจฉัยอาการที่เกี่ยวของกับ โควิด-19 เพื่อลดการใช
ทรัพยากรและเวลาในการวินิจฉัยได

คำสำคัญ (ภาษาไทยหรือภาษาอังกฤษ ตามความเหมาะสม): Decision Tree Classifier, Gradient-

boosting, SHAP, auROC, Bootstrap method, Features, Training Set, Testing Set
________________________________________________________________________

เอกสารอางอิง
Zoabi, Y., Deri-Rozov, S., & Shomron, N. (2021). Machine learning-based prediction of COVID-
19 diagnosis based on symptoms. Npj Digital Medicine, 4(1). https://doi.org/10.1038/s41746-020-
00372-6
…………… ……………………………
( นายพีรดนย สารแกว ) ( )
ผูพูดสัมมนา อาจารยที่ปรึกษาสัมมนา