尼日利亚卡诺州前线卫生工作者对疟疾RDT (mRDT) 解释准确度与尼日利亚卡诺州AI相比

科学领域:

• 医学诊断 医学诊断 医学诊断
• 医疗保健中的人工智能
• 公共卫生 公共卫生

背景情况:

• 尽管疟疾是可以预防和治疗的,但它仍然是一个重大的全球卫生挑战.
• 通过疟疾快速诊断测试 (mRDTs) 准确及时诊断对于减少疾病负担至关重要.
• 在mRDT的管理和解释中存在错误,影响诊断的准确性.

研究的目的:

• 评估基于AI的软件应用程序在提高mRDT解释准确性的有效性.
• 将人工智能算法的诊断准确度与前线医疗保健工作者 (FHW) 和专家小组读者进行比较.
• 评估AI在识别微弱阳性mRDT结果方面的表现.

主要方法:

• 通过FHW,面板阅读器和AI计算机视觉算法对mRDT解释进行比较分析.
• 通过将AI和FHW解释与小组阅读结果进行比较来评估准确性.
• 使用加权F1分数来报告整体准确性,灵敏度和精度.

主要成果:

• 人工智能显示了高准确度,达到96.38%的协议与面板阅读的积极和97.12%的负面.
• 在FHW的解释中,对正面的解释达到了96.82%的同意,对负面的解释达到了94.31%.
• 人工智能正确识别了90.2%的微弱阳性mRDT,明显优于FHW (76.1%).

结论:

• 基于人工智能的计算机视觉算法在mRDT解释中提供了与经验丰富的FHWs相似的准确性.
• 人工智能显著提高了微弱阳性mRDT结果的检测,这是一个常见的错误来源.
• 人工智能技术具有很大的潜力,可以提高资源有限的疟疾流行地区的疟疾诊断准确度.