[논문 리뷰] Virufy: Global Applicability of Crowdsourced and Clinical Datasets for AI Detection of COVID-19 from Cough

Gunvant Chaudhari, Xinyi Jiang외 5명|arXiv (Cornell University)|2020. 11. 26.

COVID-19 diagnosis using AI인용 수 54

한 줄 요약

본 논문은 전 세계의 크라우드소싱 기침 오디오를 이용해 AI가 COVID-19를 탐지하도록 학습시킬 수 있으며 ROC-AUC 77.1%를 달성하고 모델이 지역 특화 훈련 없이 라틴아메리카의 크라우드소싱 데이터와 남아시아의 임상 데이터로 일반화된다는 것을 보여준다.

ABSTRACT

Rapid and affordable methods of testing for COVID-19 infections are essential to reduce infection rates and prevent medical facilities from becoming overwhelmed. Current approaches of detecting COVID-19 require in-person testing with expensive kits that are not always easily accessible. This study demonstrates that crowdsourced cough audio samples recorded and acquired on smartphones from around the world can be used to develop an AI-based method that accurately predicts COVID-19 infection with an ROC-AUC of 77.1% (75.2%-78.3%). Furthermore, we show that our method is able to generalize to crowdsourced audio samples from Latin America and clinical samples from South Asia, without further training using the specific samples from those regions. As more crowdsourced data is collected, further development can be implemented using various respiratory audio samples to create a cough analysis-based machine learning (ML) solution for COVID-19 detection that can likely generalize globally to all demographic groups in both clinical and non-clinical settings.

연구 동기 및 목표

• 스마트폰으로 기록된 기침을 사용하여 신속하고 저렴한 COVID-19 테스트를 촉진하고, 대면 키트에 대한 의존을 완화한다.
• 전 세계 크라우드소싱 기침 데이터 세트가 강건한 ROC-AUC 성능으로 COVID-19 감염을 예측하는 AI를 학습시킬 수 있음을 보여준다.
• 지역별 추가 재훈련 없이 지역 간 일반화(라틴아메리카 크라우드소싱 데이터 및 남아시아 임상 데이터)를 보여준다.

제안 방법

• 스마트폰을 통해 전 세계에서 크라우드소싱 기침 오디오 샘플을 수집한다.
• 기침 오디오에서 COVID-19 감염을 분류하는 AI 기반 모델을 개발한다.
• ROC-AUC를 사용하여 모델 성능을 평가하고 지역 간 일반화를 평가한다.
• 다른 지역의 임상 샘플과 크라우드소싱 데이터의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 다양한 글로벌 인구의 크라우드소싱 기침 오디오가 AI를 통해 정확한 COVID-19 탐지를 가능하게 할 수 있는가?
• RQ2 전 세계 크라우드소싱 데이터로 학습된 모델이 추가 지역 특화 훈련 없이 지역 데이터에 일반화되는가?
• RQ3 보고된 ROC-AUC 성능은 무엇이며, 결과에서 지역 간 일반화는 어떻게 드러나는가?

주요 결과

• AI 기반 방법은 ROC-AUC 77.1% (75.2%-78.3%)를 달성한다.
• 모델은 지역별 특화 training 없이 라틴아메리카 크라우드소싱 오디오에 일반화된다.
• 모델은 남아시아 임상 샘플에서 추가 훈련 없이 일반화된다.
• 크라우드소싱 데이터는 시간이 지남에 따라 축적되어 글로벌 COVID-19 탐지를 위한 기침 분석 ML 솔루션을 확장할 수 있다.