用数字移动显微镜和人工智能在资源有限的环境中诊断土壤传播的虫感染
Johan Lundin1,2, Antti Suutala2, Oscar Holmström2
1Department of Global Public Health, Karolinska Institutet, Stockholm, Sweden.
PLoS neglected tropical diseases
|April 11, 2024
概括
一个深度学习系统 (DLS) 在肯尼亚儿童的数字化便样本中准确地检测出土壤传播的虫 (STH). 这种人工智能方法比手工显微镜识别更多的光强度感染,改善了初级医疗保健中的STH诊断.
科学领域:
- 被忽视的热带疾病被忽视的热带疾病
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 土壤传播的虫 (STHs) 造成严重的疾病负担,特别是在低收入和中等收入国家.
- 精确诊断性传染病,特别是轻微感染,对于控制和消除工作至关重要.
- 目前的诊断方法需要改进,以有效管理STH.
研究的目的:
- 评估基于人工智能的深度学习系统 (DLS) 的诊断准确性,用于检测便样本的全幻灯片图像 (WSI) 中的STH.
- 评估DLS在STH流行地区的初级医疗保健环境中的表现.
- 为了比较基于AI的检测与专家手工显微镜用于STH诊断.
主要方法:
- 从肯尼亚的小学儿童收集了1335个便样本.
- 用卡托-卡茨方法处理样本,并将其数字化为WSIs.
- 开发和训练了一组样本的DLS,然后在792个样本上对专家手工显微镜进行测试.
主要成果:
- DLS显示了Ascaris lumbricoides (80%的灵敏度,98%的特异性),Trichuris trichiura (92%的灵敏度,90%的特异性) 和虫 (76%的灵敏度,95%的特异性) 的高诊断准确度.
- DLS在10%的样本中检测到STH卵,这些样本最初通过手动显微镜被归类为阴性.
- 超过90%的检测到的STH感染是光强度病例,许多通过手动方法错过.
结论:
- 使用DLS对WSI的AI分析为初级医疗保健机构的STH提供了高诊断准确度.
- DLS成功地发现了手动显微镜无法发现的光强度STH感染.
- 这种人工智能驱动的方法有可能改善STH检测,监测和控制程序评估.
