[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被引用数 63

ひとこと要約

本論文は咳音声の転移学習を用いてCOVID-19を診断する開かれた集合的AIアプローチを提案し、複数拠点での検証計画に加え、縦断的テストとICU優先度決定のツールを概説する。

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

• COVID-19パンデミックの中で医療従事者を支援する新しいAIパラダイムの開発を促す。
• 咳音声をCOVID-19の診断信号としての転移学習を提案する。
• 検証を加速するためのオープンでリアルタイムなデータ共有とクラウドソーシングによるデータ収集を提唱する。
• メキシコ、スペイン、米国での計画された臨床試験と多施設検証を説明する。

提案手法

• 咳の録音データで訓練されたAI転移学習を用いてCOVID-19の診断テストを作成する。
• 臨床試験と3つの国際的な拠点での検証を計画する。
• 自宅待機が確定した患者の縦断的音声テストを提案して病院の接触方針を通知する。
• 臨床データを組み込んだICU優先度付けの患者中心の予測ツールを提案する。
• 大規模なリアルタイム医療AIのためのオープンな集合的アプローチを提唱する。

実験結果

リサーチクエスチョン

• RQ1 モバイル機器で取得した咳音声を転移学習を用いてCOVID-19を正確に診断することができるか？
• RQ2 複数の国際拠点でAI搭載の咳診断を検証する実現可能性と利益は何か？
• RQ3 縦断的な音声データがCOVID-19患者の治療判断と病院資源配分にどう影響するか？
• RQ4 パンデミック時の迅速なAI開発に対するオープンでクラウドソースされたデータモデルの潜在的影響は何か？

主な発見

• 咳の録音データに対するAI転移学習によりCOVID-19の診断テストを生み出せると著者は主張している。
• このアプローチを検証するための臨床試験と国際展開計画が提案されている。
• 自宅待機患者を対象とする縦断的音声テストの概念が、病院の接触方針を導くために記述されている。
• 臨床データと組み合わせた場合に重症患者のICU配分を優先する成功比予測テストが提案されている。
• 著者は大規模なリアルタイム医療AIとデータ共有に対するオープンな集合的アプローチを提唱している。