[論文レビュー] IATos: AI-powered pre-screening tool for COVID-19 from cough audio samples

D. Trejo Pizzo, S. Esteban|arXiv (Cornell University)|Apr 27, 2021

COVID-19 diagnosis using AIMedicine被引用数 18

ひとこと要約

IATos は、COVID-19 検出のための咳音サンプルを深層学習を用いて分類する AI パowered の事前スクリーニングツールであり、RT-PCR をゴールドスタンダードとして用いた場合、陽性・陰性を区別する精度が 86% を達成した。このシステムは、ブエノスアイレスで収集した大規模な音声データを活用し、スケーラブルで低コストかつ非侵襲的な集団レベルのスクリーニングを可能にし、臨床的検査の補完となる。

ABSTRACT

OBJECTIVE: Our objective is to evaluate the possibility of using cough audio recordings (spontaneous or simulated) to detect sound patterns in people who are diagnosed with COVID-19. The research question that led our work was: what is the sensitivity and specificity of a machine learning based COVID-19 cough classifier, using RT-PCR tests as gold standard? SETTING: The audio samples that were collected for this study belong to individuals who were swabbed in the City of Buenos Aires in 20 public and 1 private facilities where RT-PCR studies were carried out on patients suspected of COVID, and 14 out-of-hospital isolation units for patients with confirmed COVID mild cases. The audios were collected through the Buenos Aires city government WhatsApp chatbot that was specifically designed to address citizen inquiries related to the coronavirus pandemic (COVID-19). PARTICIPANTS: The data collected corresponds to 2821 individuals who were swabbed in the City of Buenos Aires, between August 11 and December 2, 2020. Individuals were divided into 1409 that tested positive for COVID-19 and 1412 that tested negative. From this sample group, 52.6% of the individuals were female and 47.4% were male. 2.5% were between the age of 0 and 20 , 61.1% between the age of 21 and 40 , 30.3% between the age of 41 and 60 and 6.1% were over 61 years of age. RESULTS: Using the dataset of 2821 individuals our results showed that the neural network classifier was able to discriminate between the COVID-19 positive and the healthy coughs with an accuracy of 86%. This accuracy obtained during the training process was later tested and confirmed with a second dataset corresponding to 492 individuals.

研究の動機と目的

• 咳音録音を用いた機械学習ベースの咳分類器が、RT-PCR をゴールドスタンダードとして COVID-19 を検出する感度と特異度を評価すること。
• 医療体制への負担を軽減し、露出リスクを最小限に抑えるためのスケーラブルで低コストのデジタル事前スクリーニングツールを開発すること。
• ブエノスアイレスの公的検査施設で RT-PCR 確認済みの実世界症例を用いて、AI モデルの性能を検証すること。
• 都市部における大規模なスクリーニングにこのようなツールを展開可能かどうかを検討すること。
• パンデミック対応技術分野におけるグローバルなイノベーションを支援するため、オープンソースの手法とデータを提供すること。

提案手法

• 本研究では、パンデミック期に都市全域の WhatsApp チャットボットを通じて収集された咳音サンプルを用いてトレーニングされた深層ニューラルネットワーク分類器を採用した。
• 音声録音は、RT-PCR の検査結果に基づき陽性または陰性に分類され、モデルのトレーニングおよび評価のための真値となった。
• モデルはまず 2,821 人のデータセット（陽性 1,409 人、陰性 1,412 人）でトレーニングされた後、より高い頑健性を確保するため、143,351 人のより大きなデータセット（陽性 18,271 人、陰性 125,080 人）で再トレーニングされた。
• システムは、感染と関連する呼吸音パターンに注目した、自発的または強制的な咳音からの特徴抽出に、音声信号処理技術を活用した。
• モデルの性能は、初期トレーニングデータとは独立した 492 人のホールドアウトテストセットを用いて検証され、初期データを超える汎化性能が確認された。
• 最終的なモデルは、陰性例が全体の 90% を占めるクラスの不均衡に配慮しつつも、陰性例の検出における高い特異度を最適化した。

実験結果

リサーチクエスチョン

• RQ1 RT-PCR をゴールドスタンダードとして用いた場合、機械学習ベースの咳分類器が COVID-19 を検出する感度と特異度はどの程度か？
• RQ2 多様な都市部住民の咳音録音は、SARS-CoV-2 感染の有無を信頼性を持って区別できるか？
• RQ3 パンデミック発生中に収集された大規模で実世界のデータセットでトレーニングされた場合、モデルの性能はどのようにスケーリングするか？
• RQ4 事前スクリーニングによる従来の検査インfraの負担軽減はどの程度達成できるか？
• RQ5 このツールは、スケーラブルで低コストかつ安全なデジタルトリアージツールとして、公衆衛生現場で効果的に展開可能か？

主な発見

• ニューラルネットワーク分類器は、初期の 2,821 人のデータセットにおいて、COVID-19 陽性および陰性の咳音を区別する精度が 88% を達成した。
• 独立した検証セット 492 人のデータでテストした結果、モデルは高い性能を維持し、信頼性が裏付けられた。
• 143,351 人のより大きなデータセットで再トレーニングした後、モデルは 86% の精度を達成し、スケーラビリティと頑健性が実証された。
• 2 番目のデータセットで陰性例の割合が非常に高かった（90%）ことから、陰性例の同定性能が向上した可能性がある。
• 本システムは、最小限のインfraで数千件の咳音サンプルを毎日処理可能なため、大規模な展開が可能であると示された。
• 本研究は、咳音分析がパンデミック管理において実用的で、非侵襲的かつ低コストな RT-PCR 検査の補完として有効であることを確認した。