可解读的机器学习和信号处理,用于自动读取和质量控制的横向流量测试,用于schistosomiasis
Chris Ho1,2, Christin Puthur1, Betty Nabatte3
1Big Data Institute, Nuffield Department of Population Health, University of Oxford, Oxford, UK.
medRxiv : the preprint server for health sciences
|November 19, 2025
概括
我们开发了一种自动化管道,用于使用医疗照顾点测试来诊断杆菌病. 这种诊断工具提高了准确性和速度,有助于疾病监测和控制工作.
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
- 医疗保健中的机器学习
背景情况:
- 对于被忽视的热带疾病,特别是石病,缺乏自动诊断分类.
- 在资源有限的环境中,点诊疗测试 (POCT) 对于诊断杆菌病至关重要.
研究的目的:
- 开发和评估一条端到端的自动化管道,用于分析循环阴极抗原 (CCA) POCT 对杆菌病的分析.
- 将自动化管道的性能与已建立的诊断方法进行比较.
主要方法:
- 该管道整合了用于磁带细分的深度学习和用于分析的信号处理.
- 将自动分类与横流读数器的定量读数和训练有素技术人员的视觉读数进行了比较.
- 该管道在乌干达农村的SchistoTrack队列中的3188名个体上得到了验证.
主要成果:
- 与高级技术人员视觉读数相比,自动化管道实现了86.6%的灵敏度和96.5%的特异性.
- 性能与横向流量阅读器的定量读数相当,优于现场技术人员的视觉读数.
- 对于具有高抗原度的样品,可以在五分钟内进行自动分类,解决视觉痕迹的不确定性.
结论:
- 开发的自动化管道为石病诊断提供了显著的进步,符合世卫组织的目标产品配置文件.
- 它可以进行定量评估,支持消除计划的大规模监测,并为POCT提供实时质量控制.
- 该管道提高了诊断准确性和效率在点的护理设置,特别是在资源有限的地区.
