人工知能は、胸部CTでCOVID-19を市中肺炎と区別します

Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT
Lin Li*1a,1b, Lixin Qin*2, Zeguo Xu1a, Youbing Yin3, Xin Wang3, Bin Kong3, Junjie Bai3, Yi Lu3, Zhenghan Fang3, Qi Song3, Kunlin Cao3, Daliang Liu4, Guisheng Wang5, Qizhong Xu6, Xisheng Fang1a, Shiqin Zhang1a, Juan Xia1a, Jun Xia*6
Radiology, 2020

背景：コロナウイルス病は2020年の初めから世界中に広がっています。胸部CTを使用したCOVID-19の自動かつ正確な検出を開発することが望まれます。
目的：胸部CTを使用してCOVID-19を検出し、そのパフォーマンスを評価するための完全自動フレームワークを開発する。
材料と方法：この回顧的および多施設共同研究では、深層学習モデルであるCOVID-19検出ニューラルネットワーク（COVNet）が開発され、COVID-19を検出するための胸部容積CT検査から視覚的特徴を抽出しました。 コミュニティ獲得肺炎（CAP）および他の非肺炎CT試験は、モデルの堅牢性をテストするために含まれていました。 データセットは、2016年8月から2020年2月の間に6つの病院から収集されました。診断パフォーマンスは、受信者動作特性曲線（AUC）の下の面積、感度、および特異度によって評価されました。
 結果：収集されたデータセットは、3,322人の患者からの4356件の胸部CT検査で構成されていました。 平均年齢は49±15歳で、女性より男性の方がわずかに多かった（1838対1484、p値= 0.29）。 独立したテストセットでCOVID-19を検出するための試験ごとの感度と特異度は、127のうち114（90％[95％CI：83％、94％]）および307のうち294（96％[95％CI：93％ 、98％]）、それぞれ0.96のAUC（p値<0.001）。 独立したテストセットでCAPを検出するための試験ごとの感度と特異度は、それぞれ87％（175の152）と92％（239の259）で、AUCは0.95（95％CI：0.93、0.97）でした。
結論：ディープラーニングモデルはCOVID-19を正確に検出し、市中肺炎や他の疾患と区別することができます。