CovidCTNet: CT画像を用いたCovid-19の識別に向けたオープンソースの深層学習アプローチ

2019年コロナウイルス感染症（Covid-19）は非常に感染力が強く、治療法の選択肢が限られています。Covid-19の早期かつ正確な診断は、疾病の蔓延とその伴う死亡率を低下させる上で極めて重要です。現在、逆転写ポリメラーゼ連鎖反応（RT-PCR）による検出が外来および入院患者のCovid-19検出における金標準となっています。RT-PCRは迅速な方法ですが、その検出精度は約70〜75%に過ぎません。別の承認された戦略として、コンピュータ断層撮影（CT）画像があります。CT画像は感度が非常に高く、約80〜98%ですが、精度は同じく70%程度です。CT画像検出の精度を向上させるために、我々はオープンソースのアルゴリズム群であるCovidCTNetを開発しました。このアルゴリズム群は成功裏にCovid-19を社区獲得性肺炎（CAP）や他の肺疾患と区別します。CovidCTNetは放射線技師（70%）と比較してCT画像検出の精度を90%に向上させます。このモデルは、CT画像ハードウェアに依存せずに異質で少量のサンプルサイズでも動作するように設計されています。世界中でのCovid-19検出を促進し、放射線技師や医師のスクリーニングプロセスを支援するために、我々はすべてのアルゴリズムとパラメトリック詳細をオープンソース形式で公開しています。我々のCovidCTNetに関するオープンソース共有により、開発者はユーザーのプライバシーとデータ所有権を保ちつつサービスを迅速に改善および最適化することができます。注：「社区获得性肺炎」（Community-Acquired Pneumonia, CAP）という表現は一般的ではありませんが、「社区」が「コミュニティ」または「地域」と訳されるため、「地域獲得性肺炎」または「コミュニティ獲得性肺炎」と訳すことも可能です。ここでは「社区获得性肺炎」を使用しましたが、「地域獲得性肺炎」の方がより自然な日本語表現となります。修正后的版本：2019年コロナウイルス感染症（Covid-19）は非常に感染力が強く、治療法の選択肢が限られています。Covid-19の早期かつ正確な診断は、疾病の蔓延とその伴う死亡率を低下させる上で極めて重要です。現在、逆転写ポリメラーゼ連鎖反応（RT-PCR）による検出が外来および入院患者のCovid-19検出における金標準となっています。RT-PCRは迅速な方法ですが、その検出精度は約70〜75%に過ぎません。別の承認された戦略として、コンピュータ断層撮影（CT）画像があります。CT画像は感度が非常に高く、約80〜98%ですが、精度は同じく70%程度です。CT画像検出の精度を向上させるために、我々はオープンソースのアルゴリズム群であるCovidCTNetを開発しました。このアルゴリズム群は成功裏にCovid-19を地域獲得性肺炎（Community-Acquired Pneumonia, CAP）や他の肺疾患と区別します。CovidCTNetは放射線技師（70%）と比較してCT画像検出の精度を90%に向上させます。このモデルは、CT画像ハードウェアに依存せずに異質で少量のサンプルサイズでも動作するように設計されています。世界中でのCovid-19検出を促進し、放射線技師や医師のスクリーニングプロセスを支援するために、我々はすべてのアルゴリズムとパラメトリック詳細をオープンソース形式で公開しています。我々のCovidCTNetに関するオープンソース共有により、開発者はユーザーのプライバシーとデータ所有権を保ちつつサービスを迅速に改善および最適化することができます。