[論文レビュー] Virufy: Global Applicability of Crowdsourced and Clinical Datasets for AI Detection of COVID-19 from Cough

Gunvant Chaudhari, Xinyi Jiang+5 more|arXiv (Cornell University)|Nov 26, 2020

COVID-19 diagnosis using AI被引用数 54

ひとこと要約

世界中のクラウドソースされた咳音声がAIを訓練してCOVID-19を検出できるROC-AUCが77.1%であること、そしてモデルが地域特異の訓練なしにラテンアメリカのクラウドソースデータと南アジアの臨床データへ一般化することを示している。

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.

研究の動機と目的

• スマートフォンで記録された咳を用いた迅速で手頃なCOVID-19検査を促進し、対面キットへの依存を緩和する。
• グローバルなクラウドソース咳データセットが、堅牢なROC-AUC性能でAIにCOVID-19感染を予測させる訓練ができることを示す。
• 地域横断の一般化を示す（Latin America のクラウドソースデータと South Asia の臨床データ）地域特有の再訓練なしで。

提案手法

• スマートフォンを介して世界各地からクラウドソース咳音声サンプルを収集する。
• 咳音声からCOVID-19感染を分類するAIベースのモデルを開発する。
• ROC-AUCを用いてモデル性能を評価し、跨地域の一般化を評価する。
• 異なる地域の臨床サンプルとクラウドソースデータ上の性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 多様なグローバル集団からのクラウドソース咳音声はAIによる正確なCOVID-19検出を可能にするか？
• RQ2 グローバルなクラウドソースデータで訓練されたモデルは、追加の地域特化訓練なしに地域データへ一般化するか？
• RQ3 報告されるROC-AUC性能は何で、跨地域一般化は結果にどのように現れるか？

主な発見

• AIベースの手法はROC-AUC 77.1%（75.2%-78.3%）を達成。
• モデルは地域特異の訓練なしでラテンアメリカのクラウドソース音声へ一般化する。
• South Asia の臨床サンプルへ、さらなる訓練なしで一般化する。
• クラウドソースデータは時間とともに蓄積され、グローバルなCOVID-19検出の咳分析MLソリューションを拡張できる。