[論文レビュー] QUCoughScope: An Artificially Intelligent Mobile Application to Detect Asymptomatic COVID-19 Patients using Cough and Breathing Sounds

Muhammad E. H. Chowdhury, Nabil Ibtehaz+7 more|arXiv (Cornell University)|Mar 20, 2021

COVID-19 diagnosis using AI参考文献 26被引用数 13

ひとこと要約

QUCoughScope は、スマートフォンで記録された咳や呼吸音を分析することで、無症状の新型コロナウイルス感染症患者をAIで検出するモバイルアプリケーションです。141例のCOVID-19患者および582名の健康な対照群の音声データを用いたスペクトログラムベースの深層学習モデルにより、無症状の症例を91%以上の感度で特定することができ、早期発見のためのスケーラブルで非侵襲的なスクリーニングツールを提供します。

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%.

研究の動機と目的

• 無症状のSARS-CoV-2感染拡散を克服するため、早期で非侵襲的な検出を可能にすること。
• 臨床検査室でのRT-PCR検査に依存することを減らし、感染リスクを最小限に抑えるモバイルベースのスクリーニングソリューションを開発すること。
• ケンブリッジ大学が公開した音声データセットを活用して、COVID-19と健康状態および非COVID呼吸器疾患を区別できる堅牢な機械学習モデルを訓練すること。
• ユーザーが安全に匿名で自宅で利用できる使いやすいAndroidアプリケーションを提供し、音声データを収集・処理すること。

提案手法

• システムは、症状入力も可能なAndroidアプリケーションを通じて、ユーザーから咳や呼吸音のサンプルを収集する。
• 音声クリップは、時間経過における周波数と振幅を表現するため、機械学習処理用にスペクトログラムに変換される。
• 141例の確定COVID-19症例（うち87例が無症状）と582例の健康対照群から成るデータセットを用いて、最先端の深層学習モデルを訓練する。
• モデルは音声入力を、COVID-19陽性、健康、その他の呼吸器疾患のカテゴリーに分類する。
• ユーザー情報の機微性と匿名性を確保するため、データ処理はセキュアなバックエンドサーバーで実施される。
• トランスファーラーニングと、音声スペクトログラム分類に最適化された畳み込みニューラルネットワーク（CNN）アーキテクチャを用いる。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンで記録された音声データを用いた咳や呼吸音のパターンは、無症状の新型コロナウイルス感染症患者と健康な個人を信頼性高く区別できるか？
• RQ2 咳と呼吸音のスペクトログラムを学習データとして用いた深層学習モデルは、無症状のSARS-CoV-2感染をどの程度効果的に検出できるか？
• RQ3 モバイルアプリケーションは、スケーラブルでプライバシーを守り、アクセスしやすい早期スクリーニングツールを提供できるか？
• RQ4 音声バイオマーカーを用いた場合、無症状症例の同定におけるシステムの感度は、症状を呈する症例と比較してどの程度か？

主な発見

• 本システムは、咳と呼吸音の分析のみを用いて、無症状の新型コロナウイルス感染症患者を91%以上の感度で検出できた。
• ケンブリッジ大学と締結したデータ共有協定に基づき収集された141例の確定COVID-19症例と582例の健康対照群から成るデータセットにおいて、モデルは優れた性能を示した。
• 無症状の患者は高い正確性で同定され、症状がなくても微細な呼吸音の変化が残存することを示した。
• モバイルアプリケーションにより、匿名で自宅でのスクリーニングが可能となり、臨床検査インfraの負担を軽減し、感染リスクを最小限に抑えることができる。
• 公開データセットを用いた検証により、モデルの汎化能力に対する再現性と信頼性が向上した。
• 本研究は、音声ベースのAIスクリーニングがパンデミック期における大規模な人口モニタリングのための実用的で低コストな代替手段であることを確認した。