[論文レビュー] A Survey on the Use of AI and ML for Fighting the COVID-19 Pandemic

Muhammad Nazrul Islam, Toki Tahmid Inan+4 more|arXiv (Cornell University)|Aug 3, 2020

COVID-19 diagnosis using AI参考文献 23被引用数 7

ひとこと要約

本システマティックレビューでは、COVID-19パンデミック対策に応用された35件のAIおよび機械学習研究を分析し、診断、予測、治療支援の分野におけるその手法、データ種別、アルゴリズム、パフォーマンスを評価している。疾患検出、流行予測、ICUトリアージ、および薬物・ワクチン開発の分野での主な応用が同定された一方で、データプライバシー、グローバルスケーラビリティ、リアルタイム臨床統合の分野における研究ギャップが浮き彫りにされ、今後のAI駆動型パンデミック対応研究の包括的リファレンスを提供している。

ABSTRACT

Artificial intelligence (AI) and machine learning (ML) have made a paradigm shift in health care which, eventually can be used for decision support and forecasting by exploring the medical data. Recent studies showed that AI and ML can be used to fight against the COVID-19 pandemic. Therefore, the objective of this review study is to summarize the recent AI and ML based studies that have focused to fight against COVID-19 pandemic. From an initial set of 634 articles, a total of 35 articles were finally selected through an extensive inclusion-exclusion process. In our review, we have explored the objectives/aims of the existing studies (i.e., the role of AI/ML in fighting COVID-19 pandemic); context of the study (i.e., study focused to a specific country-context or with a global perspective); type and volume of dataset; methodology, algorithms or techniques adopted in the prediction or diagnosis processes; and mapping the algorithms/techniques with the data type highlighting their prediction/classification accuracy. We particularly focused on the uses of AI/ML in analyzing the pandemic data in order to depict the most recent progress of AI for fighting against COVID-19 and pointed out the potential scope of further research.

研究の動機と目的

• AIおよび機械学習がCOVID-19の診断、予測、管理に果たす役割を体系的かつ評価すること。
• COVID-19の文脈において、AI/ML研究で用いられたデータ種別、量、および出典を分析すること。
• COVID-19関連の分類および予測タスクにおける、さまざまな機械学習およびディープラーニングアルゴリズムのパフォーマンスを比較すること。
• AIアプリケーションにおけるパンデミック対応の分野における研究ギャップおよび今後の方向性を同定すること、特にデータプライバシーおよび臨床統合の観点から。
• パンデミック管理における効果的なAI技術に関する研究者および医療従事者向けの構造的リファレンスを提供すること。

提案手法

• IEEE Xplore、Springer Link、ACM Digital Library、ScienceDirect、Google Scholarを含むデータベースを用いてシステマティックレビューを実施した。
• AI/MLおよびCOVID-19に関連する関連性に基づき、634件の初期論文を絞り込み、35件の関連研究にまで絞り込んだ厳密な包括・除外プロセスを適用した。
• 研究の目的（例：診断、予測、ICU管理）、データ種別（例：医用画像、ゲノム、疫学的データ）、および地理的文脈ごとに研究を分類した。
• XGBoost、ResNet、SVM、ランダムフォレストなどの機械学習およびディープラーニングアルゴリズムをデータ種別と照合し、その正確性、AUC、F1スコアを評価した。
• 分類および回帰の結果に焦点を当て、標準化された評価指標を用いて、研究間でのモデルパフォーマンスを比較した。
• データ不足、モデルの解釈可能性の欠如、臨床現場におけるリアルタイム導入の不足といった繰り返しの問題を同定した。

実験結果

リサーチクエスチョン

• RQ1 COVID-19の診断または予測に最も効果的だったAIおよび機械学習技術は何か。そのパフォーマンス指標は何か。
• RQ2 CTスキャン、ゲノム配列、疫学的データなどの異なるデータ種別は、パンデミック対応におけるAIモデルの選定とパフォーマンスにどのように影響を与えるか。
• RQ3 現在のAIアプリケーションにおけるCOVID-19の研究ギャップ、特にデータプライバシー、グローバルスケーラビリティ、および臨床デプロイメントの観点から、何が挙げられるか。
• RQ4 AIはパンデミック危機におけるICUの逼迫や医療従事者の不足に対し、どのように医療システムを支援できるか。
• RQ5 AIはSARS-CoV-2のような新興感染症のための薬物およびワクチン開発をどのように加速できるか。

主な発見

• COVID-19の診断に最も効果的なモデルは、胸部CTスキャンおよびレントゲン写真を用いたディープラーニングにより、分類正確性が90％を超えた。
• XGBoostおよびResNetベースのモデルは、SVMおよびランダムフォレストといった従来のアルゴリズムを上回り、複数の研究において正確性およびAUCの両面で優れたパフォーマンスを示した。
• 複数モodalなデータ（例：症状、人口統計、環境要因）を用いて訓練されたAIモデルは、地域的流行トレンドの予測精度が向上した。
• いくつかの研究で、AIはICU入院リスクをAUC値0.85以上で予測できることを示し、より良いトリアージとリソース配分が可能になった。
• ロゼッタやクォークといったAI支援ドラッグディスカバリープラットフォームは、候補分子スクリーニングの時間を著しく短縮し、臨床前研究の加速に貢献した。
• 強力な技術的パフォーマンスにもかかわらず、多くのモデルは、データプライバシー、解釈可能性、規制承認の問題により、実臨床での導入が見合わなかった。