以后验证MetaSystems基于深度学习的数字显微镜平台与手动光显微镜相比,用于检测菌根菌的辅助
Claudine Desruisseaux1,2, Conor Broderick2, Valéry Lavergne1,2
1Division of Medical Microbiology and Infection Control, Department of Pathology and Laboratory Medicine, Vancouver General Hospital, Vancouver Coastal Health, Vancouver, British Columbia, Canada.
Journal of clinical microbiology
|February 1, 2024
概括
使用深度学习的自动化酸快细菌 (AFB) 涂抹显微镜显示了与手工方法相似的灵敏度. 这项技术可以帮助在工作人员短缺和结核病发病率低的实验室分拣呼吸道样本.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 微生物学 微生物学
- 医疗保健中的人工智能
背景情况:
- 手动酸快细菌 (AFB) 涂抹显微镜对于诊断菌根细菌感染至关重要.
- 手动显微镜存在挑战,包括人员短缺和可变精度.
- 自动化系统为提高效率和一致性提供了潜力.
研究的目的:
- 为了验证Metasystems的自动AFB涂抹显微镜扫描和深度学习图像分析模块 (Neon Metafer).
- 为了比较辅助数字显微镜 (a-DM) 与传统手动光显微镜 (MM) 的性能.
- 评估自动化系统在呼吸道和腔样本中的实用性.
主要方法:
- 以后验证使用320个存档的auramine-O染色的幻灯片.
- 整片成像被Metafer Neon AFB模块分析,其概率值为96%.
- 将a-DM和MM结果与mycobacterial培养作为参考标准进行比较.
主要成果:
- 观察到扫描失败率为10.6%.
- a-DM和MM之间的一致性为95.5%.
- 敏感度是可比的 (90.7%的a-DM对MM的92.0%),而特异性是不同的 (91.9%的a-DM对MM的95.7%).
结论:
- 超系统的自动化平台显示了可接受的AFB检测性能.
- 该系统可以可靠地分类负的AFB-smear呼吸幻灯片,并识别积极的呼吸幻灯片以进行手动确认.
- 这项技术可以支持在资源有限的环境或疾病流行率低的地区进行实验室诊断.
