Resumen

La rápida aparición del nuevo SARS-CoV-2 supone un reto y ha atraído la atención mundial. La inteligencia artificial (IA) puede utilizarse para combatir esta pandemia y controlar la propagación del virus. En particular, las técnicas de series temporales basadas en el aprendizaje profundo se utilizan para predecir los casos de COVID-19 en todo el mundo para las dependencias a corto y medio plazo utilizando el aprendizaje adaptativo. Este estudio tenía como objetivo predecir los casos diarios de COVID-19 e investigar los factores críticos que aumentan la tasa de transmisión de este brote examinando diferentes factores influyentes. Además, el estudio analizó la eficacia de las medidas de prevención del COVID-19. Se utilizaron una red neuronal profunda totalmente conectada, una memoria a corto plazo (LSTM) y un modelo transformador como modelos de IA para la predicción de nuevos casos de COVID-19. Inicialmente, se realizó el preprocesamiento de datos y la extracción de características utilizando conjuntos de datos COVID-19 de Arabia Saudí. Se calcularon las métricas de rendimiento de todos los modelos y los resultados se sometieron a un análisis comparativo para detectar el modelo más fiable. Además, se realizó un análisis de hipótesis estadística y un análisis de correlación en los conjuntos de datos COVID-19 incluyendo características como la movilidad diaria, el total de casos, las personas totalmente vacunadas por cada cien, los ingresos hospitalarios semanales por cada millón, los pacientes de la unidad de cuidados intensivos y las nuevas muertes por cada millón. Los resultados muestran que el algoritmo LSTM tuvo la mayor precisión de todos los algoritmos y un error inferior al 2%. Los resultados de este estudio contribuyen a nuestra comprensión de la contención del COVID-19. Este estudio también aporta ideas para la prevención de futuros brotes.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:estudio, red neuronal profunda, atrajo la atención mundial, pacientes de la unidad de cuidados, caso, diferentes factores influyentes, ingreso hospitalario semanal, medidas de prevención del covid-19, análisis estadístico de hipótesis, eficacia del covid-19
• Keywords:study, deep neural network, attracted worldwide attention, care unit patients, case, different influential factors, weekly hospital admission, covid-19 prevention measures, statistical hypothesis analysis, effectiveness of covid-19