使用人工智能技术诊断Plasmodium感染,而不是在参考实验室使用标准显微镜
Sanjai Nagendra1, Roxanna Hayes1, Dayeong Bae2
1LabCorp, Burlington, North Carolina, USA.
Journal of clinical microbiology
|December 10, 2024
概括
miLab MAL是一个人工智能驱动的诊断工具,可以准确地识别阴性疟疾病例并检测Plasmodium falciparum. 这种自动化系统有望提高实验室中的疟疾诊断效率.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 寄生虫学的寄生虫学
- 医疗保健中的人工智能
背景情况:
- 标准的疟疾诊断是耗时的,并且由于实验室人员有限而受到阻碍.
- 创新的诊断技术正在出现,以应对这些挑战并提高效率.
研究的目的:
- 为了比较自动化,人工智能驱动的miLab MAL系统与用于疟疾诊断的标准显微镜的性能.
- 评估miLab MAL的准确性,灵敏性和物种识别能力.
主要方法:
- 用手动显微镜和miLab MAL平台分析了48名患者的样本.
- 评估包括积极性,消极性,寄生虫百分比和Plasmodium falciparum的物种鉴定.
主要成果:
- miLab MAL 正确识别了负样本和所有九个阳性Plasmodium falciparum病例.
- 与手动方法相比,该仪器在检测Plasmodium falciparum方面表现出更高的灵敏度.
- 寄生虫病量化在方法之间有所不同,手动计算显示的百分比较高,可能是由于采样变化.
结论:
- miLab MAL有效地选出负的Plasmodium falciparum样本,提高了诊断工作流程.
- 需要进行进一步的研究,以验证其可靠性,以评估寄生虫病和识别非虫菌菌物种.


