[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参考文献 9被引用数 672

ひとこと要約

本研究では、非対照的胸部CTスキャンを用いてCOVID-19の自動検出およびモニタリングを可能にする迅速に開発されたディープラーニングシステムを提示する。モデルは、COVID-19と非COVID症例を区別する際、AUC 0.996（感度98.2%、特異度92.2%）を達成し、定量的透明度測定値と、疾患の進行を時間経過で追跡するための動的「コロナスコア」を提供する。

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

• 胸部CTスキャンにおけるCOVID-19の自動検出を目的としたAIベースのシステムの開発。
• 感染患者における疾患負荷および進行の定量的モニタリングを可能にする。
• パンデミック期における高スループットの画像診断を支援するため、放射線科医および臨床医を支援する。
• 中国および米国の国際的データセットを用いて、システムの性能を評価する。

提案手法

• 本システムは、既存のAIプラットフォームから適応された2次元および3次元ディープラーニングモデルの組み合わせを採用する。
• グランドグラス状透明度や実質化パターンなどの、COVID-19のCT所見に関する臨床的知識を統合する。
• スライスベースのヒートマップ可視化および肺の透明度の3次元ボリュームレンダリングを実行する。
• 疾患負荷を時間経過で定量的に追跡するための新規「コロナスコア」が計算される。
• 本システムは、中国および米国の患者を含む157例の国際的患者を含む後向きに取得したデータセットを用いてトレーニングおよびバリデーションされた。
• AUC、感度、特異度を用いて、確定症例および対照群からなるテストセット上で性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 胸部CTスキャンを用いて、ディープラーニングシステムはCOVID-19と非COVID-19症例を正確に区別できるか？
• RQ2 本システムは、感染患者における肺の透明度体積および分布について、信頼性のある定量的測定値を提供できるか？
• RQ3 連続的なCTスキャンを用いて、システムは疾患負荷の変化を時間経過でどれほど正確に追跡できるか？
• RQ4 提案された「コロナスコア」は、疾患の進行または解消をモニタリングする一貫性があり、客観的な指標として機能するか？
• RQ5 本システムは多様な国際的患者集団においても高い性能を維持するか？

主な発見

• 中国患者のテストセットにおいて、COVID-19と非COVID-19症例を区別する際、AUCは0.996（95%信頼区間：0.989–1.00）を達成した。
• 高感度の作業ポイントにおいて、本システムは98.2%の感度と92.2%の特異度を示した。
• 確定したCOVID-19を有する患者に対して、本システムは透明度の正確な体積測定値を提供し、ヒートマップおよび3次元再構成を用いて可視化した。
• 「コロナスコア」は疾患の進行および解消を効果的に追跡でき、1名の患者において4日間で透明度負荷が49%減少したことを示した。
• 縦断的症例研究において、システムは15日後に完全に透明度が消失（コロナスコア：0）を検出しており、完全回復を示唆した。
• 本システムは中国および米国の患者を含む国際的データセットにおいて一貫した性能を示した。