人工智能在检测点护理微流体学方面的表现

科学领域:

• 医学技术 医学技术 医学技术
• 人工智能在诊断中的应用
• 医疗保健中的微流体.

背景情况:

• 人工智能 (AI) 正在改变医学,特别是在诊断和患者护理方面.
• 人工智能在图像细分和模式识别等任务中表现出色,与现有的医疗保健平台集成.
• 虽然人工智能在微流体诊断中表现有前途,但对微流体测试人工智能算法的比较研究缺乏.

研究的目的:

• 为了对机器学习 (ML) 和深度学习 (DL) 的AI模型进行比较评估,用于微流体通道中的气泡检测.
• 确定在各种成像条件下进行微流体测试的最佳AI算法.
• 评估AI的潜力,特别是DL模型,用于移动POC诊断应用程序.

主要方法:

• 使用了一个模型微流体系统,其中包含3D透明物体 (泡) 的单一通道.
• 六个ML和九个DL模型在不同的背景设置中进行了测试,以分类气泡的存在或不存在.
• 用灵敏度,特异性和曲线下的面积 (AUC) 来评估性能.

主要成果:

• 随机森林ML模型实现了95.52%的灵敏度,82.57%的特异性和97%的AUC,优于其他ML算法.
• 适合移动集成的DL模型DenseNet169显示了92.63%的灵敏度,92.22%的特异性和92%的AUC.
• 集成到移动POC系统中的DenseNet169在具有挑战性的微流体测试条件下实现了高精度 (>0.84).

结论:

• 人工智能具有显著的潜力,可以通过准确和可访问的诊断来彻底改变精准医学.
• 该研究强调了特定的人工智能模型的有效性,如随机森林和DenseNet169,用于微流体气泡检测.
• 将人工智能集成到医疗保健系统中可以提高患者的治疗结果,简化诊断过程,特别是在POC环境中.