低资源环境中的COVID-19查使用人工智能进行胸部X射线和点诊血液检查

科学领域:

• 传染性疾病 传染性疾病
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 检测COVID-19仍然是一个全球卫生挑战,特别是在资源有限的环境中.
• 准确和可访问的诊断工具对于有效的疾病管理和控制至关重要.
• 现有的诊断方法如RT-PCR,抗原测试和胸部X射线在某些情况下都有局限性.

研究的目的:

• 评估人工智能 (AI) 系统在非洲低资源环境中检测COVID-19的性能.
• 使用胸部X射线 (CXR) 成像和护理点血液检测与传统方法进行AI性能比较.
• 评估AI驱动的COVID-19诊断在不同人群中的可行性和敏感性.

主要方法:

• 分析了来自四个非洲环境的3737名参与者的数据,包括RT-PCR (黄金标准),CXR图像和临床血液测试 (白细胞计数和C-反应蛋白).
• 人工智能算法应用于CXR图像和血液测试数据,以预测COVID-19感染.
• 性能与基于抗原的快速诊断测试 (RDTs) 进行了比较,使用曲线下的面积 (AUC),灵敏度和特异性指标.

主要成果:

• 对CXR图像的AI分析显示,在这个队列中,COVID-19的预测性能差 (AUC = 0.60).
• 使用白细胞计数 (WBC) 或WBC和C反应蛋白 (CRP) 组合的AI系统实现了更高的AUC (0.74).
• 人工智能血液测试模型显示了83%的灵敏度和63%的特异性,超过了抗原RDT (65%的灵敏度,98%的特异性).

结论:

• 在非洲环境中,使用临床血液测试检测COVID-19的AI工具是可行的和有效的.
• 与基于抗原的快速诊断测试相比,人工智能驱动的血液测试查具有更高的灵敏度.
• 使用CXR成像的AI不是在患有主要轻度症状的人群中对COVID-19的可靠预测.