Common Pitfalls and Recommendations for Using Machine Learning to Detect and Prognosticate for COVID-19 Using Chest Radiographs and CT Scans

Roberts, Michael und Driggs, Derek und Thorpe, Matthew und Gilbey, Julian und Yeung, Michael und Ursprung, Stephan und Aviles-Rivero, Angelica I. und Etmann, Christian und McCague, Cathal und Beer, Lucian und Weir-McCall, Jonathan R. und Teng, Zhongzhao und Gkrania-Klotsas, Effrossyni und Ruggiero, Alessandro und Korhonen, Anna und Jefferson, Emily und Ako, Emmanuel und Langs, Georg und Gozaliasl, Ghassem und Yang, Guang und Prosch, Helmut und Preller, Jacobus und Stanczuk, Jan und Tang, Jing und Hofmanninger, Johannes und Babar, Judith und Sánchez, Lorena Escudero und Thillai, Muhunthan und Gonzalez, Paula Martin und Teare, Philip und Zhu, Xiao Xiang und Patel, Mishal und Cafolla, Conor und Azadbakht, Hojjat und Jacob, Joseph und Lowe, Josh und Zhang, Kang und Bradley, Kyle und Wassin, Marcel und Holzer, Markus und Ji, Kangyu und Ortet, Maria Delgado und Ai, Tao und Walton, Nicholas und Lio, Pietro und Stranks, Samuel und Shadbahr, Tolou und Lin, Weizhe und Zha, Yunfei und Niu, Zhangming und Rudd, James H. F. und Sala, Evis und Schönlieb, Carola-Bibiane (2021) Common Pitfalls and Recommendations for Using Machine Learning to Detect and Prognosticate for COVID-19 Using Chest Radiographs and CT Scans. Nature Machine Intelligence, 3, Seiten 199-217. Springer Nature. doi: 10.1038/s42256-021-00307-0. ISSN 2522-5839.

PDF - Verlagsversion (veröffentlichte Fassung)
1MB

Offizielle URL: https://doi.org/10.1038/s42256-021-00307-0

Kurzfassung

Machine learning methods offer great promise for fast and accurate detection and prognostication of coronavirus disease 2019 (COVID-19) from standard-of-care chest radiographs (CXR) and chest computed tomography (CT) images. Many articles have been published in 2020 describing new machine learning-based models for both of these tasks, but it is unclear which are of potential clinical utility. In this systematic review, we consider all published papers and preprints, for the period from 1 January 2020 to 3 October 2020, which describe new machine learning models for the diagnosis or prognosis of COVID-19 from CXR or CT images. All manuscripts uploaded to bioRxiv, medRxiv and arXiv along with all entries in EMBASE and MEDLINE in this timeframe are considered. Our search identified 2,212 studies, of which 415 were included after initial screening and, after quality screening, 62 studies were included in this systematic review. Our review finds that none of the models identified are of potential clinical use due to methodological flaws and/or underlying biases. This is a major weakness, given the urgency with which validated COVID-19 models are needed. To address this, we give many recommendations which, if followed, will solve these issues and lead to higher-quality model development and well-documented manuscripts.

elib-URL des Eintrags:

https://elib.dlr.de/146203/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Common Pitfalls and Recommendations for Using Machine Learning to Detect and Prognosticate for COVID-19 Using Chest Radiographs and CT Scans

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Roberts, Michael	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Driggs, Derek	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Thorpe, Matthew	Department of Mathematics, University of Manchester	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gilbey, Julian	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Yeung, Michael	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ursprung, Stephan	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Aviles-Rivero, Angelica I.	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Etmann, Christian	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
McCague, Cathal	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Beer, Lucian	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Weir-McCall, Jonathan R.	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Teng, Zhongzhao	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gkrania-Klotsas, Effrossyni	Department of Infectious Diseases, Cambridge University Hospitals NHS Trust	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ruggiero, Alessandro	Royal Papworth Hospital, Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Korhonen, Anna	Language Technology Laboratory, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Jefferson, Emily	Population Health and Genomics, School of Medicine, University of Dundee	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ako, Emmanuel	Chelsea and Westminster NHS Trust and Royal Brompton NHS Hospital	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Langs, Georg	Department of Biomedical Imaging and Image-guided Therapy, Computational Imaging Research Lab Medical University of Vienna	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gozaliasl, Ghassem	Department of Physics, University of Helsinki	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Yang, Guang	National Heart and Lung Institute, Imperial College London	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Prosch, Helmut	Department of Biomedical Imaging and Image-guided Therapy, Computational Imaging Research Lab Medical University of Vienna	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Preller, Jacobus	Addenbrooke’s Hospital, Cambridge University Hospitals NHS Trust	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Stanczuk, Jan	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Tang, Jing	Research Program in System Oncology, Faculty of Medicine, University of Helsinki	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Hofmanninger, Johannes	Department of Biomedical Imaging and Image-guided Therapy, Computational Imaging Research Lab Medical University of Vienna	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Babar, Judith	Addenbrooke’s Hospital, Cambridge University Hospitals NHS Trust	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Sánchez, Lorena Escudero	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Thillai, Muhunthan	Department of Medicine, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gonzalez, Paula Martin	Cancer Research UK Cambridge Centre, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Teare, Philip	Biopharmaceuticals R&D, AstraZeneca	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zhu, Xiao Xiang	xiaoxiang.zhu (at) dlr.de	https://orcid.org/0000-0001-5530-3613	NICHT SPEZIFIZIERT
Patel, Mishal	Biopharmaceuticals R&D, AstraZeneca	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Cafolla, Conor	Department of Chemistry, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Azadbakht, Hojjat	AINOSTICS Ltd	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Jacob, Joseph	Centre for Medical Image Computing, University College London	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lowe, Josh	SparkBeyond UK Ltd	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zhang, Kang	Center for Biomedicine and Innovations at Faculty of Medicine, Macau	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Bradley, Kyle	SparkBeyond UK Ltd	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wassin, Marcel	contextflow GmbH	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Holzer, Markus	contextflow GmbH	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ji, Kangyu	Cavendish Laboratory, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ortet, Maria Delgado	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ai, Tao	Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Walton, Nicholas	Institute of Astronomy, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lio, Pietro	Department of Computer Science and Technology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Stranks, Samuel	Department of Chemical Engineering and Biotechnology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Shadbahr, Tolou	Research Program in System Oncology, Faculty of Medicine, University of Helsinki	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lin, Weizhe	Department of Engineering, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zha, Yunfei	Department of Radiology, Renmin Hospital of Wuhan University	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Niu, Zhangming	Aladdin Healthcare Technologies Ltd	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Rudd, James H. F.	Department of Medicine, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Sala, Evis	Department of Radiology, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Schönlieb, Carola-Bibiane	Department of Applied Mathematics and Theoretical Physics, University of Cambridge	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

15 März 2021

Erschienen in:

Nature Machine Intelligence

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.1038/s42256-021-00307-0

Seitenbereich:

Seiten 199-217

Verlag:

Springer Nature

ISSN:

2522-5839

Status:

veröffentlicht

Stichwörter:

Computational science Diagnostic markers Prognostic markers SARS-CoV-2

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Erdbeobachtung

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R EO - Erdbeobachtung

DLR - Teilgebiet (Projekt, Vorhaben):

R - Künstliche Intelligenz

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > EO Data Science

Hinterlegt von:

Rösel, Dr. Anja

Hinterlegt am:

26 Nov 2021 09:25

Letzte Änderung:

05 Dez 2023 07:45

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags