基于人工智能的数字病理学,用于检测和量化土壤传播的虫卵
Nancy Cure-Bolt1, Fernando Perez2, Lindsay A Broadfield3
1Janssen Research & Development, LLC, Titusville, New Jersey, United States of America.
PLoS neglected tropical diseases
|September 30, 2024
概括
基于人工智能的数字病理学 (AI-DP) 显示出对土壤传播的虫 (STH) 诊断的希望,在检测Ascaris lumbricoides方面表现优于常规显微镜. 这种AI-DP方法有可能改善偏远地区的STH诊断.
科学领域:
- 寄生虫学的寄生虫学
- 传染性疾病 传染性疾病
- 医学诊断 医学诊断 医学诊断
- 人工智能在医学中的应用
背景情况:
- 传统的Kato-Katz (KK1.0) 显微镜用于土壤传播虫 (STH) 诊断,其灵敏度和准确性有限.
- 基于人工智能的数字病理学 (AI-DP) 为克服这些诊断限制提供了一个潜在的解决方案.
- 这项研究评估了一种AI-DP增强的Kato-Katz方法 (KK2.0) 用于在秘鲁的学龄儿童中诊断STH.
研究的目的:
- 将基于AI-DP的KK2.0方法的诊断性能与用于STH检测的传统KK1.0方法进行比较.
- 评估KK1.0和KK2.0之间的敏感性和一致性,以诊断学龄儿童的STH感染.
主要方法:
- 一项前性研究分析了510名学龄儿童 (5-14岁) 的便样本,使用KK1.0,KK2.0和管自发沉积技术 (TSET).
- 在30分钟和24小时的时间点评估了KK1.0和KK2.0幻灯片,用于Ascaris lumbricoides,Trichuris trichiura和虫.
- 诊断性能以每克便 (EPG) 的卵数,灵敏度和方法一致性进行评估.
主要成果:
- 与KK1.0.0相比,KK2.0检测到的阳性Askaris lumbricoides样本明显更多.
- 对Trichuris trichiura和虫的检测率在KK1.0和KK2.0之间是可比的.
- KK2.0发现了10%的低强度Ascaris lumbricoides感染,不同STH物种的方法之间观察到不同的一致性.
结论:
- 基于AI-DP的KK2.0方法显示了改善STH诊断的潜力,特别是对于Ascaris lumbricoides.
- 人工智能-DP方法在增强STH诊断能力方面表现有前途,可能导致更准确的检测.
- 建议进一步开发AI-DP KK2.0原型,以实现可靠的STH诊断和与世卫组织指导方针一致的自动化显微镜.
