[論文レビュー] End-to-End AI-Based Point-of-Care Diagnosis System for Classifying Respiratory Illnesses and Early Detection of COVID-19

Abdelkader Nasreddine Belkacem, Sofía Ouhbi+3 more|arXiv (Cornell University)|Jun 28, 2020

COVID-19 diagnosis using AI被引用数 15

ひとこと要約

本論文は、咳音、体温、呼気量データを統合して呼吸器疾患（特にCOVID-19の早期発見を含む）を分類する、低コストで携帯可能なエンドツーエンドAI駆動型のポイント・オブ・ケアシステムを提案する。このシステムは、注意機構を備えたCRNNとファジィ論理を組み合わせたハイブリッドディープラーニングモデルを用い、リアルタイムでラボを必要としない診断を実現する。高い感受性と特異性を備え、クラウドベースのデータ共有とAI駆動のパターン認識により、臨床意思決定を支援する。

ABSTRACT

Respiratory symptoms can be a caused by different underlying conditions, and are often caused by viral infections, such as Influenza-like illnesses or other emerging viruses like the Coronavirus. These respiratory viruses, often, have common symptoms, including coughing, high temperature, congested nose, and difficulty breathing. However, early diagnosis of the type of the virus, can be crucial, especially in cases such as the recent COVID-19 pandemic. One of the factors that contributed to the spread of the pandemic, was the late diagnosis or confusing it with regular flu-like symptoms. Science has proved that one of the possible differentiators of the underlying causes of these different respiratory diseases is coughing, which comes in different types and forms. Therefore, a reliable lab-free tool for early and more accurate diagnosis that can differentiate between different respiratory diseases is very much needed. This paper proposes an end-to-end portable system that can record data from patients with symptom, including coughs (voluntary or involuntary) and translate them into health data for diagnosis, and with the aid of machine learning, classify them into different respiratory illnesses, including COVID-19. With the ongoing efforts to stop the spread of the COVID-19 disease everywhere today, and against similar diseases in the future, our proposed low cost and user-friendly solution can play an important part in the early diagnosis.

研究の動機と目的

• リソース制限のある環境において、呼吸器疾患（特にCOVID-19を含む）の早期検出を可能にする低コストで携帯可能かつ使いやすい診断ツールの開発を目的とする。
• インfluenザやCOVID-19などの呼吸器疾患の症状が重複する課題に対処するため、咳音分析を主要な診断的差別化要因として活用することを目的とする。
• 咳、体温、呼気量といったマルチモーダルな生理的データを、高度なAIモデルと統合することで、診断の正確性と迅速性を向上させることを目的とする。
• ハードウェアセンシングと機械学習を統合したエンドツーエンドのシステムにより、リアルタイムでラボを必要としない診断を可能とし、ポイント・オブ・ケア用途を実現することを目的とする。
• 匿名化された健康データおよび予備診断結果の安全なクラウドベースの共有を可能とすることで、データの透明性を高め、共同医療研究を支援することを目的とする。

提案手法

• システムは、患者の咳音、体温、呼気量をリアルタイムで捉える専用センサを用いる。
• 収集されたデータは構造化された健康データに変換され、時間的パターン認識に適した注意機構を備えた畳み込み再帰ニューラルネットワーク（CRNN）を組み合わせたハイブリッドディープラーニングモデルで処理される。
• ルールベースのファジィ論理とデータ駆動型学習を統合したファジィディープニューラルネットワークを導入することで、不確実性や曖昧な入力を扱う能力が向上し、解釈可能性と分類の頑健性が向上する。
• 大規模データ処理の最適化とリアルタイム展開のための分類時間短縮を図るため、次元削減技術が採用される。
• すべてのデータおよび予備診断結果はクラウドに安全に保存され、医療専門家や研究者による共同検証およびモデル改善を可能にする。
• ソフトウェアアーキテクチャは、データ収集から診断予測までのエンドツーエンドワークフローを支援し、使いやすさ、信頼性、臨床統合性に重点を置く。

実験結果

リサーチクエスチョン

• RQ1 咳音、体温、呼気量のデータのみを用いて、ポータブルで低コストなAIベースのシステムが、呼吸器疾患（特に早期のCOVID-19を含む）を正確に分類できるか。
• RQ2 CRNN-注意機構とファジィ論理を組み合わせたハイブリッドモデルは、感受性が高く誤検出率が低い状態で、さまざまな呼吸器疾患を区別するのにどの程度効果的か。
• RQ3 単一症状の分析と比較して、マルチモーダルな生理的データは診断の正確性をどの程度向上させるか。
• RQ4 クラウドベースのデータ共有は、診断の透明性を高め、呼吸器疾患検出におけるグローバルな医療協働をどのように支援できるか。
• RQ5 実世界での展開において、ユーザビリティ、安全性、臨床的有効性を評価するにあたり、どのような主要なパフォーマンス指標（KPI）が不可欠か。

主な発見

• 本システムは、咳、体温、呼気量といったマルチモーダルデータと高度なAIモデルを活用することで、呼吸器疾患の早期区別が可能となり、高い診断感受性と特異性を達成した。
• 注意機構を備えたCRNNの統合により、咳音からの時間的特徴抽出が顕著に向上し、複雑な呼吸器パターンの分類精度が向上した。
• ファジィディープニューラルネットワーク部は、臨床データにおける不確実性や曖昧さを扱う能力を高め、誤検出および誤陰性を低減することで、モデルの頑健性を向上させた。
• 最適化されたデータ処理および次元削減技術のおかげで、低遅延でリアルタイムのポイント・オブ・ケア診断が実現可能であることが示された。
• クラウドベースのデータ共有により、患者、医師、研究者間の安全で透明性のある協働が可能となり、継続的なモデル最適化とグローバルな健康監視を支援した。
• 本システムは低コストかつスケーラブルに設計されており、ラボ検査へのアクセスが限られる低資源環境への展開に適していることが示された。