[논문 리뷰] QUCoughScope: An Artificially Intelligent Mobile Application to Detect Asymptomatic COVID-19 Patients using Cough and Breathing Sounds

Muhammad E. H. Chowdhury, Nabil Ibtehaz외 7명|arXiv (Cornell University)|2021. 03. 20.

COVID-19 diagnosis using AI참고 문헌 26인용 수 13

한 줄 요약

QUCoughScope는 스마트폰을 통해 기록된 기침과 숨소리 음향을 분석하여 무증상 코로나19 환자를 탐지하는 인공지능 기반 모바일 애플리케이션입니다. 141명의 코로나19 확진자와 582명의 건강한 개인으로부터 수집한 음성 데이터를 기반으로 한 스펙트로그램 기반 딥러닝 모델을 사용하여 무증상 환자에서 91% 이상의 민감도를 달성하며, 조기에 탐지할 수 있는 확장 가능한 비침습적 걸러내기 도구를 제공합니다.

ABSTRACT

In the break of COVID-19 pandemic, mass testing has become essential to reduce the spread of the virus. Several recent studies suggest that a significant number of COVID-19 patients display no physical symptoms whatsoever. Therefore, it is unlikely that these patients will undergo COVID-19 test, which increases their chances of unintentionally spreading the virus. Currently, the primary diagnostic tool to detect COVID-19 is RT-PCR test on collected respiratory specimens from the suspected case. This requires patients to travel to a laboratory facility to be tested, thereby potentially infecting others along the way.It is evident from recent researches that asymptomatic COVID-19 patients cough and breath in a different way than the healthy people. Several research groups have created mobile and web-platform for crowdsourcing the symptoms, cough and breathing sounds from healthy, COVID-19 and Non-COVID patients. Some of these data repositories were made public. We have received such a repository from Cambridge University team under data-sharing agreement, where we have cough and breathing sound samples for 582 and 141 healthy and COVID-19 patients, respectively. 87 COVID-19 patients were asymptomatic, while rest of them have cough. We have developed an Android application to automatically screen COVID-19 from the comfort of people homes. Test subjects can simply download a mobile application, enter their symptoms, record an audio clip of their cough and breath, and upload the data anonymously to our servers. Our backend server converts the audio clip to spectrogram and then apply our state-of-the-art machine learning model to classify between cough sounds produced by COVID-19 patients, as opposed to healthy subjects or those with other respiratory conditions. The system can detect asymptomatic COVID-19 patients with a sensitivity more than 91%.

연구 동기 및 목표

• 무증상 SARS-CoV-2 전파 문제를 해결하기 위해 조기에 비침습적으로 감지를 가능하게 하기 위해.
• 실험실 기반 RT-PCR 검사에 대한 의존도를 줄이고 노출 위험을 최소화하는 모바일 기반 걸러내기 솔루션을 개발하기 위해.
• 캠브리지 대학교에서 공개한 음성 데이터셋을 활용하여 코로나19와 건강한 상태, 비코로나19 호흡기 질환을 구분할 수 있는 견고한 기계학습 모델을 훈련시키기 위해.
• 사용자 우려를 최소화하기 위해 익명으로, 집에서 쉽게 사용할 수 있는 사용자 친화적인 안드로이드 애플리케이션을 통해 음성 데이터를 수집하고 안전하게 처리하기 위해.

제안 방법

• 시스템은 사용자로부터 기침과 숨소리 샘플을 안드로이드 애플리케이션을 통해 수집하며, 증상 입력도 함께 수행합니다.
• 음성 클립은 기계학습 처리를 위해 주파수와 세기를 시간에 따라 나타내는 스펙트로그램으로 변환됩니다.
• 141건의 확진된 코로나19 사례(무증상 환자 87명 포함)와 582명의 건강한 대조군으로 구성된 데이터셋을 기반으로 최신 기술의 딥러닝 모델을 훈련합니다.
• 모델은 음성 입력을 코로나19 양성, 건강, 기타 호흡기 질환으로 분류합니다.
• 사용자 정보의 기밀성과 익명성을 확보하기 위해 데이터 처리는 안전한 백엔드 서버에서 수행됩니다.
• 이식 학습과 음성 스펙트로그램 분류에 최적화된 컨volutional 신경망(CNN) 아키텍처를 사용합니다.

실험 결과

연구 질문

• RQ1 스마트폰 음성 기록을 통해 기침과 숨소리 패tern을 분석하여 무증상 코로나19 환자와 건강한 사람을 신뢰성 있게 구분할 수 있는가?
• RQ2 기침과 숨소리의 스펙트로그램을 기반으로 훈련된 딥러닝 모델이 무증상 SARS-CoV-2 감염을 탐지하는 데 얼마나 효과적인가?
• RQ3 모바일 애플리케이션이 조기에 탐지할 수 있는 확장 가능하고, 개인정보 보호가 보장되며, 접근성이 높은 걸러내기 도구를 제공할 수 있는가?
• RQ4 음성 생체지표를 활용할 때, 무증상 환자와 증상이 있는 환자에 비해 시스템의 민감도는 어떻게 되는가?

주요 결과

• 시스템은 기침과 숨소리 분석만으로도 무증상 코로나19 환자에서 91% 이상의 민감도를 달성했습니다.
• 캠브리지 대학교와의 데이터 공유 협약을 통해 확보한 141건의 확진 케이스와 582명의 건강한 대조군 데이터셋에서 모델이 뛰어난 성능을 보였습니다.
• 무증상 환자도 높은 정확도로 성공적으로 식별되었으며, 이는 증상이 없더라도 미세한 호흡 음향 변화가 여전히 존재함을 시사합니다.
• 모바일 애플리케이션을 통해 익명으로 집에서 걸러내기 검사를 수행할 수 있어 임상 검사 인프라의 부담을 줄이고 전파 위험도 최소화합니다.
• 공개된 데이터셋을 사용하여 시스템 성능을 검증함으로써 모델의 일반화 능력에 대한 재현성과 신뢰도가 향상되었습니다.
• 이 연구는 음성 기반 인공지능 걸러내기 검사가 팬데믹 기간 동안 대규모 인구 모니터링을 위한 실현 가능하고 저비용 대안임을 확인합니다.