人工智能增强的侧向流量测试使3分钟的定量检测能够以实验室级准确度进行
Jinpei Du1,2,3, Chaoyu Cao1,2,3, Zhenrui Xue4
1The Key Laboratory of Biomedical Information Engineering of Ministry of Education, School of Life Science and Technology, Xi'an Jiaotong University, Xi'an 710049, P. R. China.
Analytical chemistry
|October 22, 2025
概括
这项研究引入了基于深度学习的快速和准确的定量侧向流量测试 (RAD-LFA),以更快,更准确地诊断疾病. 在不到3分钟的时间内,RAD-LFA实现了精确的量化,改进了传统方法.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能在诊断中的应用
- 照顾点检测检测 照顾点检测
背景情况:
- 侧流免疫试验 (LFA) 是常见的治疗点检测 (POCT),但往往缺乏速度和定量准确性.
- 传统的LFA可能需要长达30分钟,并且只能提供定性结果,限制它们在时间敏感的诊断场景中的使用.
研究的目的:
- 开发一种新的定量横向流量测定 (RAD-LFA),可以克服传统LFA的速度和精度限制.
- 集成深度学习模块,以快速准确量化目标分析物.
主要方法:
- 开发了RAD-LFA,其中包含用于空间特征提取的剩余网络 (ResNet) 和用于动态时间建模的DyFormer模块.
- 使用2019年新冠病毒病 (COVID-19) 和乙型肝炎病毒 (HBV) 数据集验证了RAD-LFA.
- 通过定性准确性,定量相关性 (R^2) 和临床盲测试来评估性能.
主要成果:
- 在3分钟内,RAD-LFA实现了精确的量化,大大缩短了检测时间.
- 与专家视觉解释相比,质量检测准确度提高了15%.
- 在临床试验中,R^2值高达0.9985的强大定量性能得到证明,与94%的整体准确性,95%的灵敏性和92%的特异性相结合.
结论:
- RAD-LFA在POCT中提供了显著的进步,提供了快速可靠的实验室级量化.
- 基于深度学习的方法提高了速度和准确性,使其成为分散诊断的有希望的解决方案.
- 拉德-LFA有效地弥合了快速的临床检测和精确的实验室量化之间的差距.
