[論文レビュー] Hi Sigma, do I have the Coronavirus?: Call for a New Artificial Intelligence Approach to Support Health Care Professionals Dealing With The COVID-19 Pandemic

Brian Subirana, Ferran Hueto+11 more|arXiv (Cornell University)|Apr 10, 2020

COVID-19 diagnosis using AI参考文献 38被引用数 50

ひとこと要約

本論文は、咳音声の転移学習を用いた新しいオープンで協働的なAIアプローチをCOVID-19の診断に適用することを提案し、臨床検証と複数拠点展開の計画を概説する。

ABSTRACT

Just like your phone can detect what song is playing in crowded spaces, we show that Artificial Intelligence transfer learning algorithms trained on cough phone recordings results in diagnostic tests for COVID-19. To gain adoption by the health care community, we plan to validate our results in a clinical trial and three other venues in Mexico, Spain and the USA . However, if we had data from other on-going clinical trials and volunteers, we may do much more. For example, for confirmed stay-at-home COVID-19 patients, a longitudinal audio test could be developed to determine contact-with-hospital recommendations, and for the most critical COVID-19 patients a success ratio forecast test, including patient clinical data, to prioritize ICU allocation. As a challenge to the engineering community and in the context of our clinical trial, the authors suggest distributing cough recordings daily, hoping other trials and crowdsourcing users will contribute more data. Previous approaches to complex AI tasks have either used a static dataset or were private efforts led by large corporations. All existing COVID-19 trials published also follow this paradigm. Instead, we suggest a novel open collective approach to large-scale real-time health care AI. We will be posting updates at https://opensigma.mit.edu. Our personal view is that our approach is the right one for large scale pandemics, and therefore is here to stay - will you join?

研究の動機と目的

• パンデミックに備えた新しいオープンでリアルタイムな医療AIフレームワークを提案する。
• 咳音声に対する転移学習がCOVID-19を診断できることを示す。
• 医療分野におけるAI開発を加速させるための大規模データ共有とクラウドソーシングを提唱する。

提案手法

• 咳の記録で訓練されたAI転移学習を用いてCOVID-19を診断する。
• メキシコ、スペイン、米国で臨床検証と試験を計画する。
• 患者のモニタリングとICU優先度付けのための縦断的・予測ベースの検査を提案する。

実験結果

リサーチクエスチョン

• RQ1 転移学習を用いて処理された咳ベースの音声信号は、COVID-19を信頼性高く診断できるのか？
• RQ2 パンデミック時に大規模なリアルタイム医療AIを支えるデータ共有とクラウドソーシングのモデルは何か？
• RQ3 音声ベースの診断を臨床ワークフローとICU割り当てのトリアージに統合するにはどうすれば良いか？
• RQ4 複数国にわたる臨床試験検証の提案される経路は何か？

主な発見

• 咳の記録に対するAI転移学習がCOVID-19の診断テストを生み出せることを示す。
• 臨床試験検証計画と3カ国（メキシコ、スペイン、米国）での展開を提案する。
• 在宅患者向けの縦断的検査や重症患者の予測ベースのケア優先度付けなど、追加の機会を概説する。