[論文レビュー] CareCall: a Call-Based Active Monitoring Dialog Agent for Managing COVID-19 Pandemic

Sang‐Woo Lee, Hyunhoon Jung+18 more|arXiv (Cornell University)|Jul 6, 2020

Speech and dialogue systems参考文献 19被引用数 7

ひとこと要約

CareCall は、潜在的な COVID-19 暴露後の自己隔離中の個人に対して、毎日2回の症状チェックを実施する、音声認識、自然言語理解、音声合成を活用した電話ベースの AI ダイアログエージェントです。韓国および日本で展開され、0.9% の偽陽性率を達成し、人間が関与する仕組みにより偽陽性を効果的に低減しました。高齢者層のスマートフォンの使いなれなさを考慮しても、高いアクセス性を示しました。

ABSTRACT

Tracking suspected cases of COVID-19 is crucial to suppressing the spread of COVID-19 pandemic. Active monitoring and proactive inspection are indispensable to mitigate COVID-19 spread, though these require considerable social and economic expense. To address this issue, we introduce CareCall, a call-based dialog agent which is deployed for active monitoring in Korea and Japan. We describe our system with a case study with statistics to show how the system works. Finally, we discuss a simple idea which uses CareCall to support proactive inspection.

研究の動機と目的

• スマートフォンの操作に不慣れな高齢者層に対して、アプリベースの監視方法の限界を是正すること。
• AI ドライバーの電話通話システムにより、毎日の症状チェックを自動化することで、医療従事者の負担を軽減すること。
• AI の曖昧な応答を是正する人間が関与する仕組みを用いることで、アクティブモニタリングの正確性と信頼性を向上させること。
• 確率的モデリングを用いて、電話ベースの AI システムによる症状報告を活用し、地域の感染拡大の推定を試みること。
• COVID-19 にとどまらず、慢性疾患のモニタリングや一般的な医療支援にも応用可能なシステムの拡張を図ること。

提案手法

• システムは、自動音声認識（ASR）、自然言語理解（NLU）、音声合成の3モジュールからなるアーキテクチャを採用し、双方向の音声対話を行う。
• 自己隔離中の被験者に対して、毎日2回の自動通話を実施し、発熱や呼吸器疾患の痛みといった主な症状について、単純な「はい／いいえ」の質問を投げかける。
• 曖昧または不確実な AI 応答をモニタリング・是正する人間が関与するメカニズムを導入し、正確性を向上させる。
• ベイズ確率的モデリングを用いて、報告された症状をもとに、地域の感染率を推定する。
• 対話状態と行動グラフを、さまざまな健康状態に合わせてカスタマイズし、COVID-19 以外の疾患に対しても対応可能にする。
• 症状データは、個々の報告 $ F_n $ から感染確率 $ q $ を推定するグラフィカルモデルで集約し、$ p(z_n|q) = q $ および $ p(F_n|z_n) $ で症状の尤度をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 電話ベースの AI ダイアログエージェントは、高い正確性と低い偽陽性率で、自己隔離中の被験者を効果的にモニタリングできるか？
• RQ2 人間が関与する仕組みは、高齢者層における自動症状スクリーニングの信頼性をどの程度向上させられるか？
• RQ3 パンデミック時における、電話ベースのシステムは医療従事者の負担をどの程度軽減できるか？
• RQ4 自動通話による症状報告を、ベイズモデリングを用いて地域の感染率を推定するのに利用できるか？
• RQ5 このようなシステムは、慢性疾患のモニタリングや一般的な医療支援にどのように拡張できるか？

主な発見

• CareCall は、韓国成南市で3か月間の展開において、0.9% の偽陽性率を達成し、偽陰性例はたった1例にとどまった。
• 人間が関与するプロセスにより、初月の偽陽性率 1.95% が、2か月目以降に 0.72% まで低下した。
• 高齢者層にとっての高いアクセス性を示した。高齢者層は COVID-19 に深刻に影響を受けるが、多くの場合アプリベースの監視から除外されがちである。
• ベイズモデリングフレームワークにより、集約された症状報告をもとに、地域の感染率を推定可能となり、予防的公衆衛生意思決定を支援した。
• 対話状態と意図スロットのカスタマイズにより、糖尿病や高血圧など、他の疾患に対してもシステムのアーキテクチャを適応可能にした。
• 技術的障壁が低いことから、高齢者に対してアプリベースのシステムに比べ、電話インターフェースがはるかに効果的であった。