[논문 리뷰] 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-Adar외 6명|arXiv (Cornell University)|2020. 03. 10.

COVID-19 diagnosis using AI인용 수 38

한 줄 요약

이 논문은 COVID-19 탐지, 정량화 및 추적을 위한 AI 기반 자동 CT 분석을 제시하며, 국제 데이터에서 높은 진단 성능을 달성하고 Corona score를 도입합니다.

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.

연구 동기 및 목표

• Coronavirus의 탐지, 정량화 및 추적을 위한 AI 기반 자동 CT 영상 분석 도구를 개발한다.
• 흉부 CT 데이터에서 딥러닝을 사용하여 Coronavirus 환자와 비환자를 구분한다.
• 강력한 2D/3D 모델과 임상 이해를 결합하여 시간에 따른 질병 진행을 평가한다.
• 성능을 입증하기 위해 국제 소스의 회고적 데이터로 제안된 시스템을 평가한다.

제안 방법

• 기존 AI 아키텍처에서 적응된 강력한 2D 및 3D 딥러닝 모델을 사용한다.
• 모델 개발과 함께 임상 지식을 통합한다.
• 의심되는 COVID-19 CT 특징의 탐지를 평가하기 위한 회고적 실험을 수행한다.
• 3D 볼륨 검토를 사용하여 환자별 시간 변화 분석을 수행하고 Corona score를 생성한다.

실험 결과

연구 질문

• RQ1 AI 기반 CT 분석이 흉부 CT 스캔에서 COVID-19와 비-COVID-19 사례를 정확하게 구분할 수 있는가?
• RQ2 시스템이 개인 환자에서 시간에 따라 질병 부하(부피, 직경)를 정량화하고 시각화할 수 있는가?
• RQ3 Corona score가 종단적 스캔 전반에 걸친 질병 진행을 신뢰성 있게 반영하는가?
• RQ4 모델이 중국과 미국의 데이터를 포함한 국제 데이터셋에서 어떻게 성능을 보이는가?

주요 결과

• 분류 성능: 테스트 데이터셋에서 Coronavirus 대 Non-coronavirus 케이스에 대해 AUC 0.996 (95% CI: 0.989-1.00).
• 가능한 작업 포인트로 98.2% 민감도 및 92.2% 특이도.
• 시스템은 작은 불투명도에 대한 정량적 측정과 더 큰 불투명도에 대한 슬라이스 기반 열 지도나 3D 디스플레이를 통한 시각화를 가능하게 한다.
• Corona score를 도입하여 시간에 따른 질병 진행을 정량화한다.