[論文レビュー] Artificial Intelligence in the Battle against Coronavirus (COVID-19): A Survey and Future Research Directions

Thanh Thi Nguyen, Quoc Viet Hung Nguyen+8 more|arXiv (Cornell University)|Jul 30, 2020

COVID-19 diagnosis using AI被引用数 15

ひとこと要約

本サーベイは、COVID-19と戦うためのAIアプリケーションを要約し、医療画像、データ分析、自然言語処理（NLP）、IoT、計算生物学の分野に分類している。13の主要な研究課題を特定し、必要なデータタイプとAI手法を提示するとともに、データ不足やモデルの説明可能性といった課題を強調し、今後のAI駆動型パンデミック対応のロードマップを提示する。

ABSTRACT

Artificial intelligence (AI) has been applied widely in our daily lives in a variety of ways with numerous success stories. AI has also contributed to dealing with the coronavirus disease (COVID-19) pandemic, which has been happening around the globe. This paper presents a survey of AI methods being used in various applications in the fight against the COVID-19 outbreak and outlines the crucial role of AI research in this unprecedented battle. We touch on areas where AI plays as an essential component, from medical image processing, data analytics, text mining and natural language processing, the Internet of Things, to computational biology and medicine. A summary of COVID-19 related data sources that are available for research purposes is also presented. Research directions on exploring the potential of AI and enhancing its capability and power in the pandemic battle are thoroughly discussed. We identify 13 groups of problems related to the COVID-19 pandemic and highlight promising AI methods and tools that can be used to address these problems. It is envisaged that this study will provide AI researchers and the wider community with an overview of the current status of AI applications, and motivate researchers to harness AI's potential in the fight against COVID-19.

研究の動機と目的

• パンデミック対応の多様な分野にわたり、COVID-19への対応に用いられたAIアプリケーションを包括的に調査すること。
• パンデミック管理に関連する13の重要な研究課題を特定し、AIによって解決可能な課題を同定すること。
• 各課題グループに対して必要なデータタイプ、AI技術、既存の研究をマッピングし、今後の研究を支援すること。
• データ不足、モデルの説明可能性、健康危機におけるAI導入の際の倫理的懸念といった技術的課題を強調すること。
• 研究者が今後のパンデミックの準備と対応においてAIの役割を強化できる戦略的ロードマップを提供すること。

提案手法

• 分野別にAIアプリケーションを分類：医療画像処理、時系列データモデリング、NLP、IoT統合、計算生物学。
• 問題ベースのフレームワークを用いて、早期発見や誤情報管理といったパンデミック対応の13の主要な課題をグループ化する。
• 各課題を特定のデータタイプ（例：臨床データ、ゲノムデータ、テキスト、画像）と結びつけ、適切なAI技術（例：CNN、LSTM、トランスフォーマー、オートエンコーダー）を提案する。
• 各課題グループについて、既存の文献とツールをレビューし、関連する研究と手法を引用する。
• 信頼性と信頼性を確保するため、強固なデータパイプライン、モデル検証、継続的モニタリングの必要性を強調する。
• 公平性、プライバシー、責任、人間の価値観との整合性を含む、AIライフサイクル全体に倫理的配慮を統合する。

実験結果

リサーチクエスチョン

• RQ1 COVID-19と戦うためのAIの主な応用分野は何か？
• RQ2 疾患の医療画像からの同定やウイルスの拡散予測といった特定の課題に対して、どのAI技術が最も効果的か？
• RQ3 パンデミック対応システムへのAI導入に向けた、主なデータ要件と技術的障壁は何か？
• RQ4 AIを活用して誤情報に対抗し、公衆衛生の情報伝達を支援する方法は何か？
• RQ5 信頼性があり公平なAIの公衆衛生危機における導入を実現するため、解決すべき倫理的および運用上の課題は何か？

主な発見

• AIは、医療画像、時系列予測、NLP、IoT、計算生物学の分野に広く応用され、パンデミック対応を支援している。
• 関心が高まっているにもかかわらず、現在のAIの貢献は、訓練データが不十分または品質が低いがために限定的である。
• 畳み込みニューラルネットワーク（CNN）や長短期記憶（LSTM）のような深層学習モデルは、医療画像や症例進行データの分析において大きな可能性を示している。
• NLPとチャットボットシステムは、健康情報の配信や誤情報の是正に用いられているが、ユーザーの信頼性や言語の多様性といった課題は残っている。
• 動的プログラミングや確率的手法を用いたゲノムおよびタンパク質配列解析は、薬剤やワクチンの開発において不可欠である。
• 説明可能性、プライバシー、公平性、責任といった倫理的懸念は、公衆衛生分野におけるAIの責任ある導入の中心的要素である。