[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 AI참고 문헌 9인용 수 672

한 줄 요약

이 연구는 비대조 흉부 CT 영상에서 COVID-19의 자동 검출 및 모니터링을 위한 빠르게 개발된 딥러닝 시스템을 제시한다. 이 모델은 COVID-19와 비-COVID 사례를 구분하는 데 AUC 0.996(감도 98.2%, 특이도 92.2%)를 달성하며, 병변의 정량적 측정값과 시간에 따라 변화하는 '코로나 스코어'를 제공하여 질병 진행 상황을 추적할 수 있다.

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

• 흉부 CT 영상에서 COVID-19를 자동으로 검출하기 위한 AI 기반 시스템을 개발하는 것.
• 감염 환자에서 병변 부담과 진행 상황을 정량적으로 모니터링할 수 있도록 하는 것.
• 대규모 영상 촬영이 이루어지는 팬데믹 기간 동안 방사선과 전문의와 임상의가 환자 분류를 보다 효과적으로 수행할 수 있도록 지원하는 것.
• 중국과 미국에서 수집한 국제 데이터셋에서 시스템의 성능을 평가하는 것.

제안 방법

• 시스템은 기존 AI 플랫폼에서 유도된 2D 및 3D 딥러닝 모델의 조합을 활용한다.
• 지상유리 반점 및 융합 패턴과 같은 COVID-19 CT 소견의 임상 지식을 통합한다.
• 슬라이스 기반 열지도 시각화 및 폐 병변의 3D 볼륨 렌더링을 수행한다.
• 병변 부담을 시간에 따라 정량적으로 추적하기 위해 새로운 '코로나 스코어'를 계산한다.
• 시스템은 중국과 미국에서 유래한 157명의 국제 환자로 구성된 후향적 데이터셋을 기반으로 훈련 및 검증되었다.
• 성능 평가에는 확진 사례와 대조군 사례로 구성된 테스트 세트에서 AUC, 감도 및 특이도를 사용하였다.

실험 결과

연구 질문

• RQ1 흉부 CT 영상에서 딥러닝 시스템이 COVID-19와 비-COVID-19 사례를 정확하게 구분할 수 있는가?
• RQ2 이 시스템은 감염 환자에서 폐 병변 부피와 분포에 대해 신뢰할 수 있는 정량적 측정값을 제공할 수 있는가?
• RQ3 시리얼 CT 영상의 분석을 통해 시스템은 병변 부담의 변화를 시간에 따라 얼마나 잘 추적할 수 있는가?
• RQ4 제안된 '코로나 스코어'는 질병 진행 또는 완화를 모니터링하기 위한 일관되고 객관적인 지표로 기능할 수 있는가?
• RQ5 이 시스템은 다양한 국제 환자 집단에서 높은 성능을 유지하는가?

주요 결과

• 중국 환자 테스트 세트에서 COVID-19와 비-COVID-19 사례를 구분하는 데 AUC 0.996(95% 신뢰구간: 0.989–1.00)를 달성하였다.
• 고감도 작동 지점에서 시스템은 감도 98.2%와 특이도 92.2%를 보였다.
• 확진된 COVID-19 환자에 대해서는 병변의 정량적 부피 측정값을 정확히 제공하였으며, 열지도 및 3D 재구성 영상을 통해 시각화하였다.
• '코로나 스코어'는 질병 진행과 완화를 성공적으로 추적하였으며, 한 환자에서 4일 간 49% 감소한 병변 부담을 보였다.
• 종단적 사례 연구에서 시스템은 15일 후 병변 완전 해소(코로나 스코어: 0)를 감지하여 완전한 회복을 시사하였다.
• 시스템은 중국과 미국에서 유래한 환자 포함 국제 데이터셋에서 일관된 성능을 보였다.