[論文レビュー] Rapid AI Development Cycle for the Coronavirus (COVID-19) Pandemic: Initial Results for Automated Detection & Patient Monitoring using Deep Learning CT Image Analysis

Ophir Gozes, Maayan Frid-Adar+6 more|arXiv (Cornell University)|Mar 10, 2020

COVID-19 diagnosis using AI被引用数 38

ひとこと要約

本論文は、COVID-19を検出・定量・追跡するAIベースの自動CT解析を提示し、国際データで高い診断性能を達成し、病状の進行を示すCoronaスコアを導入している。

ABSTRACT

Purpose: Develop AI-based automated CT image analysis tools for detection, quantification, and tracking of Coronavirus; demonstrate they can differentiate coronavirus patients from non-patients. Materials and Methods: Multiple international datasets, including from Chinese disease-infected areas were included. We present a system that utilizes robust 2D and 3D deep learning models, modifying and adapting existing AI models and combining them with clinical understanding. We conducted multiple retrospective experiments to analyze the performance of the system in the detection of suspected COVID-19 thoracic CT features and to evaluate evolution of the disease in each patient over time using a 3D volume review, generating a Corona score. The study includes a testing set of 157 international patients (China and U.S). Results: Classification results for Coronavirus vs Non-coronavirus cases per thoracic CT studies were 0.996 AUC (95%CI: 0.989-1.00) ; on datasets of Chinese control and infected patients. Possible working point: 98.2% sensitivity, 92.2% specificity. For time analysis of Coronavirus patients, the system output enables quantitative measurements for smaller opacities (volume, diameter) and visualization of the larger opacities in a slice-based heat map or a 3D volume display. Our suggested Corona score measures the progression of disease over time. Conclusion: This initial study, which is currently being expanded to a larger population, demonstrated that rapidly developed AI-based image analysis can achieve high accuracy in detection of Coronavirus as well as quantification and tracking of disease burden.

研究の動機と目的

• コロナウイルスの検出・定量・追跡のためのAIベースの自動CT画像解析ツールを開発する。
• 胸部CTデータを用いた深層学習でコロナウイルス患者と非患者を区別する。
• 頑健な2D/3Dモデルを臨床知識と組み合わせて、時間経過に伴う病気の進行を評価する。
• 国際的なデータソースからの回顧的データで提案システムを評価し、性能を示す。

提案手法

• 既存のAIアーキテクチャを適応させた頑健な2Dおよび3Dの深層学習モデルを使用する。
• モデル開発とともに臨床知識を取り入れる。
• 回顧的実験を実施して、疑われるCOVID-19のCT特徴の検出を評価する。
• 3Dボリュームのレビューを用いた患者ごとの時系列分析を実施して、Coronaスコアを生成する。

実験結果

リサーチクエスチョン

• RQ1 AIベースのCT解析は胸部CTスキャンにおいてCOVID-19を非COVID-19ケースと正確に識別できるか？
• RQ2 系は個々の患者の時間経過に伴う病変負荷（体積、直径）を定量化・可視化できるか？
• RQ3 Coronaスコアは縦断的なスキャン全体で病気の進行を信頼性高く反映するか？
• RQ4 中国および米国のデータを含む国際データセットでモデルはどのような性能を示すか？

主な発見

• 分類性能: tested datasets で Coronavirus vs Non-coronavirus のAUC 0.996 (95% CI: 0.989-1.00)。
• 感度98.2%、特異度92.2%の実用的閾値が可能。
• 小さな不透明部の定量測定と、大きな不透明部の可視化をスライスベースのヒートマップまたは3D表示で可能にする。
• Coronaスコアを導入し、時間経過に伴う病気の進行を定量化する。