Приложение AI может помочь более точно диагностировать ВИЧ: новаторская технология, разработанная учеными UCL (Университетский колледж Лондона) и Африканского научно-исследовательского института здравоохранения (AHRI), может изменить способность точно интерпретировать результаты теста на ВИЧ, особенно среди людей с низким и средним уровнем дохода

Главная > Нажмите > Приложение искусственного интеллекта может помочь более точно диагностировать ВИЧ: новаторская технология, разработанная исследователями UCL (Университетский колледж Лондона) и Африканского научно-исследовательского института здравоохранения (AHRI), может преобразовать способность точно интерпретировать результаты тестов на ВИЧ, особенно среди людей с низким и средним уровнем доходов

Благодаря этой работе они создали библиотеку изображений тестов на ВИЧ, сделанных в различных условиях, которые использовались в качестве данных для обучения алгоритму машинного обучения команды UCL. КРЕДИТ
Африканский научно-исследовательский институт здравоохранения

Абстрактные:
Новаторская технология, разработанная исследователями UCL (Университетский колледж Лондона) и Африканского научно-исследовательского института здравоохранения (AHRI), может изменить способность точно интерпретировать результаты тестов на ВИЧ, особенно в странах с низким и средним уровнем доходов.

Приложение ИИ может помочь более точно диагностировать ВИЧ: новаторская технология, разработанная исследователями UCL (Университетский колледж Лондона) и Африканского научно-исследовательского института здравоохранения (AHRI), может преобразовать способность точно интерпретировать результаты тестов на ВИЧ, особенно среди людей с низким и средним уровнем дохода.

Лондон, Великобритания | Отправлено: 18 июня 2021 г.

Ученые из Лондонского центра нанотехнологий при UCL и AHRI использовали алгоритмы глубокого обучения (искусственный интеллект / AI), чтобы улучшить способность медицинских работников диагностировать ВИЧ с помощью тестов бокового кровотока в сельских районах Южной Африки.

Их результаты, опубликованные сегодня в журнале Nature Medicine, касаются первого и крупнейшего исследования результатов полевых тестов на ВИЧ, в которых применялось машинное обучение (ИИ), чтобы помочь классифицировать их как положительные или отрицательные.

Ежегодно во всем мире проводится более 100 миллионов тестов на ВИЧ, а это означает, что даже небольшое улучшение контроля качества может повлиять на жизни миллионов людей за счет снижения риска ложноположительных и отрицательных результатов.

Используя потенциал датчиков мобильных телефонов, камер, вычислительной мощности и возможностей обмена данными, команда разработала приложение, которое может считывать результаты тестирования с изображения, сделанного конечными пользователями на мобильном устройстве. Он также может сообщать о результатах в системы общественного здравоохранения для лучшего сбора данных и оказания постоянной помощи.

Тесты бокового потока - или экспресс-диагностические тесты (RDT) - использовались на протяжении всей пандемии COVID-19 и играют важную роль в контроле заболеваний и скрининге.

Хотя они обеспечивают быстрый и простой способ тестирования за пределами клинических условий, включая самотестирование, интерпретация результатов тестов иногда может быть сложной задачей для непрофессионалов.

Самотестирование основывается на самоотчетах людей о результатах для клинической поддержки и наблюдения. Данные свидетельствуют о том, что некоторым непрофессионалам, осуществляющим уход, сложно интерпретировать ДЭТ из-за дальтонизма или близорукости.

В новом исследовании изучалось, может ли приложение ИИ поддержать решения о тестировании на ВИЧ, принимаемые полевыми работниками, медсестрами и медработниками.

Команда из более чем 60 обученных полевых работников в AHRI впервые помогла создать библиотеку из более чем 11,000 изображений тестов на ВИЧ, сделанных в различных условиях в полевых условиях в Квазулу-Натале, Южная Африка, с использованием мобильного инструмента здравоохранения и протокола захвата изображений, разработанного UCL.

Затем команда UCL использовала эти изображения в качестве обучающих данных для своего алгоритма машинного обучения. Они сравнили, насколько точно алгоритм классифицирует изображения как отрицательные или положительные, с тем, насколько пользователи интерпретируют результаты тестов на глаз.

Ведущий автор и директор i-sense профессор Рэйчел МакКендри (Лондонский центр нанотехнологий UCL и Медицинское подразделение UCL) сказала: «Это исследование является действительно сильным партнерством с AHRI, которое демонстрирует силу использования глубокого обучения для успешной классификации« реального мира ». 'изображения, полученные в ходе экспресс-тестов, и уменьшают количество ошибок, которые могут возникнуть при считывании результатов теста на глаз. Это исследование показывает положительное влияние, которое мобильные инструменты здравоохранения могут иметь в странах с низким и средним уровнем дохода, и открывает путь к более широкому исследованию в будущем ».

В пилотном полевом исследовании пяти пользователей с разным опытом (от медсестер до недавно обученных медицинских работников) они использовали мобильное приложение для записи своей интерпретации результатов 40 тестов на ВИЧ, а также для получения изображения тестов для автоматического считывания. классификатором машинного обучения. Все участники смогли использовать приложение без обучения.

Классификатор машинного обучения смог уменьшить количество ошибок при чтении RDT, правильно классифицируя изображения RDT с общей точностью 98.9% по сравнению с традиционной интерпретацией тестов на глаз (92.1%).

Предыдущее исследование пользователей с различным опытом интерпретации ДЭТ на ВИЧ показало, что точность варьируется от 80% до 97%.

Другие болезни, которые могут поддерживаться ДЭТ, включают малярию, сифилис, туберкулез, грипп и неинфекционные заболевания.

Первый автор, доктор Валериан Турбе (Лондонский центр нанотехнологий UCL) и исследователь i-sense из группы МакКендри, сказал: «Проведя некоторое время в Квазулу-Натале с полевыми работниками, организующими сбор данных, я увидел, насколько это сложно для людей. для доступа к основным медицинским услугам. Если эти инструменты могут помочь научить людей интерпретировать изображения, вы сможете значительно улучшить обнаружение ВИЧ на очень ранней стадии, что означает лучший доступ к медицинскому обслуживанию или избежание неправильного диагноза. Это может иметь серьезные последствия для жизни людей, особенно с учетом того, что ВИЧ передается ».

Теперь команда планирует более масштабное оценочное исследование для оценки производительности системы с пользователями разного возраста, пола и уровня цифровой грамотности.

Цифровая система также была разработана для подключения к системам управления лабораториями и здравоохранением, где развертывание и поставка RDT можно лучше контролировать и управлять.

Руководитель факультета клинических исследований AHRI, профессор Марьям Шахманеш (Институт глобального здравоохранения UCL) сказала: «Испытания, которые мы провели в этой области, показали, что самотестирование на ВИЧ эффективно для большого числа подростков и молодых мужчин. Однако самотестирование на ВИЧ оказалось менее успешным в плане привлечения людей к биомедицинской профилактике и лечению. Цифровая система, которая связывает результат теста и человека с медицинским обслуживанием, включая связь с антиретровирусной терапией и доконтактной профилактикой, имеет потенциал для децентрализации профилактики ВИЧ и достижения целей ЮНЭЙДС по искоренению ВИЧ ».

Д-р Кобус Хербст, руководитель факультета народонаселения AHRI, добавил: «Это исследование показывает, как подходы машинного обучения могут извлечь выгоду из больших и разнообразных наборов данных, доступных на глобальном Юге, но в то же время отвечать местным приоритетам и потребностям здравоохранения».

Исследователи также предполагают, что отчеты о результатах RDT в режиме реального времени через подключенное устройство могут помочь в обучении персонала и управлении вспышками, например, путем выделения «горячих точек», где много положительных результатов тестов. В настоящее время они распространяют этот подход на другие инфекции, включая COVID-19 и неинфекционные заболевания.

Бывший директор AHRI профессор Динан Пиллэй (UCL Infection & Immunity) сказал: «По мере того, как исследования в области цифрового здравоохранения становятся все более популярными, остаются серьезные опасения, что те группы населения, которые больше всего в этом нуждаются во всем мире, не выиграют в такой степени, как люди с высокими доходами. Наша работа демонстрирует, как при соответствующем партнерстве и взаимодействии мы можем продемонстрировать полезность и выгоду для людей с низким и средним уровнем дохода ».

####

Для получения дополнительной информации, пожалуйста, нажмите здесь

Контактная информация:
Софи Винтер
44-020-310-87787

@uclnews

Авторские права © Университет Колледжа Лондона

Если у вас есть комментарий, пожалуйста Контакты нас.

Издатели новостных выпусков, а не 7th Wave, Inc. или Nanotechnology Now, несут единоличную ответственность за точность содержания.

Закладка: