[論文レビュー] Identifying Radiological Findings Related to COVID-19 from Medical Literature

Yuxiao Liang, Pengtao Xie|arXiv (Cornell University)|Apr 4, 2020

COVID-19 diagnosis using AI参考文献 9被引用数 6

ひとこと要約

本稿では、世界的な医学文献コーパスからCOVID-19関連の放射線所見を抽出・統合するBERTベースの自然言語処理フレームワークを提案する。CORD-19データセットに文分類および構文解析を適用することで、グランドグラウンドオパシティ、胸膜効果、小葉間隔膜の肥厚など、頻度が高く臨床的に重要な異常を同定し、COVID-19の放射線所見について世界的代表性を持ち、バイアスのない要約を提供する。

ABSTRACT

Coronavirus disease 2019 (COVID-19) has infected more than one million individuals all over the world and caused more than 55,000 deaths, as of April 3 in 2020. Radiological findings are important sources of information in guiding the diagnosis and treatment of COVID-19. However, the existing studies on how radiological findings are correlated with COVID-19 are conducted separately by different hospitals, which may be inconsistent or even conflicting due to population bias. To address this problem, we develop natural language processing methods to analyze a large collection of COVID-19 literature containing study reports from hospitals all over the world, reconcile these results, and draw unbiased and universally-sensible conclusions about the correlation between radiological findings and COVID-19. We apply our method to the CORD-19 dataset and successfully extract a set of radiological findings that are closely tied to COVID-19.

研究の動機と目的

• 病院特有の研究による集団バイアスに起因するCOVID-19の放射線所見に関する一貫性の欠如に対処する。
• 多様な世界的医学文献を網羅する、自動的かつスケーラブルな方法で放射線所見を同定・統合する。
• 最小限の人的ラベル付けで、ブートストラップ手法を用いて文分類器をトレーニングすることで、手動ラベル付けへの依存を低減する。
• 臨床的評価のため、COVID-19と強く相関する頻度順に並べた放射線所見の包括的リストを生成する。

提案手法

• BERTベースの文分類器をトレーニングし、医学文献に含まれるCOVID-19関連の放射線所見を記述する文を同定する。
• ハードネガティブ例を繰り返し同定・ラベル付けするブートストラップ戦略を採用し、最小限の人的ラベル付けで分類器の性能を向上させる。
• ポジティブな文に構文解析を適用し、'グランドグラウンドオパシティ' や '胸膜効果' などの放射線異常を表す名詞句を抽出する。
• 抽出された名詞句に対して頻度分析を実施し、データセット全体で最も顕著な所見を順位付けする。
• CORD-19データセットに含まれる2,000件以上の論文から所見を統合し、多様な地理的・人口的集団をカバーすることでバイアスを低減する。
• 最終出力として、頻度が高く臨床的に重要な放射線所見の順位付きリストを提供する。

実験結果

リサーチクエスチョン

• RQ1 世界中の医学文献において、COVID-19と関連すると一貫して報告される肺画像所見のうち、どの放射線所見が最も顕著か？
• RQ2 自然言語処理は、孤立した病院ベースの研究から得られる矛盾するまたは一貫性のない所見をどのように統合できるか？
• RQ3 最小限の人的ラベルデータで、ブートストラップを用いたBERTベース分類器が、非構造化医学テキストから放射線所見を高精度に同定できるか、その範囲はどの程度か？
• RQ4 多様な集団や機関を統合した場合、COVID-19患者で最も頻繁に報告される放射線異常は何か？

主な発見

• 本手法は、CORD-19データセットに含まれる36万件を超える文から15の高頻度放射線所見を効果的に抽出した。その中で特に顕著なのはグランドグラウンドオパシティと胸膜効果であった。
• BERTベース分類器は、放射線所見を含む文を同定する際に高い精度を示し、ハード例に対するブートストラップにより性能が向上した。
• コalescence、グランドグラウンドオパシティ、小葉間隔膜の肥厚、胸膜効果は、複数の研究で一貫して重要な画像所見として同定された。
• 世界的多様性を持つデータセットから導出された所見の順位付きリストは、孤立した病院研究よりも客観的かつ普遍的に代表される要約を提供する。
• データセットからの例文は、'クラリー・ペイント・パターン' や '副気管性嚢胞病変' が臨床報告においてCOVID-19と頻繁に関連していることを確認した。
• 本手法は、既知の臨床的関連性を妥当化した。例えば、Kanneら（2020年）らの文献に従い、フォローアップ画像で線維化が出現し、病状の後期に気管支拡張が出現することが確認された。