講演情報
[1Yin-A-27]COUGHVIDデータセットを用いた咳音によるCOVID-19 検出と深層学習モデルの説明可能性の検討
〇高橋 慶多1、片山 早紀1、茶谷 良一1、長尾 幸子1、吉本 拓矢1 (1. 中外製薬株式会社)
キーワード：
医療、音声、説明可能なAI
臨床において音声データは収集の非侵襲性から患者負担が低いことに加え，疾患の早期発見，遠隔診断の新たな手段として呼吸器疾患スクリーニングなどへの応用が期待される。実臨床での診断にAI活用が検討される中，その信頼性の確保にAIの説明性が重視されている。本研究では，COUGHVIDデータセットを用いてCOVID-19の咳音分類モデルを構築し，AIの説明可能性の向上を目指して予測過程を可視化した。音声データをMFCC特徴量に変換し，CNN，LSTM，RNNで分類し5分割交差検証で評価した。最高精度を示したRNNモデルにLIMEを適用し，咳音を時間帯と周波数帯でセグメント化し，各領域の予測への寄与を可視化した。低周波数帯の寄与は小さく，COVID-19陰性の予測には中周波数帯が寄与する傾向があった。このような可視化手法により予測に寄与する咳音の特徴を特定でき，モデルの判断根拠を説明できることが示唆された。課題として，分類能向上のための音声信号の前処理やモデリングの工夫，さらに他の呼吸器疾患への応用可能性の検討が挙げられる。