Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

L'apprendimento profondo ha potuto trasformare la capacità di interpretare esattamente i risultati del test HIV

L'esplorazione della tecnologia sviluppata da UCL (University College di Londra) e dai ricercatori dell'istituto di ricerca di salubrità (AHRI) dell'Africa potrebbe trasformare la capacità di interpretare esattamente i risultati del test HIV, specialmente in paesi bassi e con reddito medio.

I Academics da Londra concentrano per nanotecnologia a UCL e a AHRI usati in profondità imparando gli algoritmi (intelligence/AI artificiale) per migliorare la capacità degli ufficiali sanitari di diagnosticare il HIV facendo uso delle prove di portata laterali nel Sudafrica rurale.

I loro risultati, pubblicati oggi nella medicina della natura, comprendono il primo e più grande studio sui risultati campo-acquistati del test HIV, che hanno applicato l'apprendimento automatico (AI) per contribuire a classificarli come positivi o negativi.

Più di 100 milione test HIV sono eseguiti annualmente intorno al mondo, significare anche un piccolo miglioramento nell'assicurazione di qualità potrebbe urtare le durate di milioni di persone diminuendo il rischio di falsi positivi e di quantità negative.

Sfruttando il potenziale dei sensori del telefono cellulare, macchine fotografiche, potenza di elaborazione e le capacità di condivisione di dati, il gruppo ha sviluppato un app che può leggere i risultati dei test da un'immagine catturata dagli utilizzatori finali su un dispositivo mobile. Può anche potere da riferire i risultati ai sistemi di salute pubblica per la migliore raccolta di dati e la cura in corso.

Le prove di portata laterali - o test diagnostici rapidi (RDTs) - sono state usate in tutto la pandemia COVID-19 e svolgono un ruolo importante nel controllo di malattie e nella selezione.

Mentre forniscono un rapido ed il modo semplice di prova fuori delle impostazioni cliniche, compreso la auto-prova, l'interpretazione dei risultati dei test può a volte essere provocatorio per la gente stesa.

la Auto-prova conta sui risultati di auto-segnalazione della gente per gli scopi clinici di sorveglianza e di sostegno. La prova suggerisce che alcuni badante di disposizione possano lottare per interpretare RDTs a causa dell'acromatopsia o della miopia.

Il nuovo studio esaminato se un AI app potrebbe supportare le decisioni di prova del HIV prese dagli agricoltori, dagli infermieri e dagli ufficiali sanitari della comunità.

Un gruppo di più di 60 agricoltori formati a configurazione in primo luogo aiutata di AHRI una libreria di più di 11.000 immagini di vari termini contenuti test HIV nel campo in Kwazulu Natal, Sudafrica, facendo uso di un protocollo mobile dello strumento e dell'acquisizione immagine di salubrità sviluppato da UCL.

Il gruppo di UCL poi ha usato queste immagini come dati di addestramento per il loro algoritmo di apprendimento automatico. Hanno confrontato quanto l'algoritmo ha classificato esattamente le immagini come la quantità negativa o positivo, contro gli utenti che interpretano i risultati dei test dall'occhio.

L'autore principale e Direttore del professor Rachel McKendry (centro di io-senso di UCL Londra per nanotecnologia e divisione di UCL di medicina) hanno detto: “Questo studio è un'associazione realmente forte con AHRI che dimostra la potenza di usando in profondità che impara classificare con successo le immagini rapide campo-acquistate “nell'ambiente„ della prova e diminuisce il numero degli errori che possono accadere quando legge i risultati dei test dall'occhio. Questa ricerca mostra che l'impatto positivo gli strumenti mobili di salubrità possono avere in paesi bassi e con reddito medio e che apre la strada per un più grande studio in futuro.„

Uno studio diretto pilota che di cinque utenti di esperienza variante (che varia dagli infermieri agli ufficiali sanitari recentemente formati della comunità) li ha fatti partecipare facendo uso del cellulare app per registrare la loro interpretazione di 40 risultati del test HIV come pure che cattura una maschera delle prove da leggere automaticamente dal classificatore di apprendimento automatico. Tutti i partecipanti potevano usare il app senza prepararsi.

Il classificatore di apprendimento automatico poteva diminuire gli errori in RDTs leggente, classificante correttamente le immagini del RDT con un camice di 98,9% accuratezze, confrontato all'interpretazione tradizionale delle prove dall'occhio (92,1%).

Uno studio precedente degli utenti di esperienza variante di interpretazione del HIV RDTs ha mostrato l'accuratezza diversa fra 80% e 97%.

Altre malattie che RDTs potrebbe supportare comprendono la malaria, la sifilide, la tubercolosi, l'influenza e le malattie non comunicative.

Il primo Dott. Valérian Turbé (centro dell'autore di UCL Londra per nanotecnologia) ed il ricercatore di io-senso nel gruppo di McKendry hanno detto: “Passando un certo tempo in Kwazulu Natal con gli agricoltori che organizzano la raccolta dei dati, ho veduto quanto difficile è affinchè la gente accedesse ai servizi di base di sanità. Se questi strumenti possono contribuire a formare la gente per interpretare le immagini, potete fare una grande differenza nella rilevazione molto del HIV della fase iniziale, nel significato dell'accesso migliore alla sanità o nella prevenzione della diagnosi sbagliata. Ciò potrebbe avere implicazioni massicce sulle vite della gente, particolarmente poichè il HIV è ereditario.„

Il gruppo ora pianificazione uno studio di valutazione più grande per valutare la prestazione del sistema, con gli utenti delle età, del genere e dei livelli differenti di saper leggere e scrivere digitale.

Un sistema digitale egualmente è stato destinato per connettere ai sistemi di gestione di sanità e del laboratorio, in cui la distribuzione e l'offerta del RDT possono essere riflesse e gestite meglio.

Le prove che abbiamo condotto nell'area hanno trovato che la auto-prova del HIV è efficace nel raggiungimento i tantissimi adolescenti e giovani. Tuttavia, la auto-prova del HIV è riuscita meno nel collegamento della gente alla prevenzione ed al trattamento biomedici. Un sistema digitale che connette un risultato dei test e la persona alla sanità, compreso il legame alla terapia del antiretroviral ed alla profilassi dell'pre-esposizione, ha il potenziale di decentralizzare la prevenzione del HIV e di consegnare sugli scopi del UNAIDS per eliminare il HIV.„

Il professor Maryam Shahmanesh, cavo clinico della facoltà di ricerca di AHRI, istituto di UCL per salubrità globale

Dott. Kobus Herbst, cavo della facoltà di scienza della popolazione di AHRI, aggiunto: “Questo studio mostra come gli approcci di apprendimento automatico possono trarre giovamento dai grandi e diversi gruppi di dati disponibili dal sud globale, ma allo stesso tempo è rispondente alle priorità locali ed ai bisogni di salubrità.„

I ricercatori egualmente suggeriscono che la segnalazione in tempo reale dei risultati del RDT tramite un'unità connessa potrebbe aiutare nell'addestramento della mano d'opera e nella gestione di scoppio, per esempio evidenziando “i hotspot dove i numeri positivi della prova sono alti. Corrente stanno estendendo l'approccio ad altre infezioni compreso COVID-19 e la malattia non comunicativa.

Ex Direttore il professor Deenan Pillay di AHRI (infezione & immunità di UCL), ha detto: “Mentre la ricerca digitale di salubrità entra nella corrente principale, rimane gravi preoccupazioni che quelle popolazioni più a bisogno intorno al mondo non avvantaggieranno tanto quanto quelli nelle impostazioni di redditi alti. Il nostro lavoro dimostra come, con le associazioni appropriate e l'impegno, possiamo dimostrare l'utilità ed il vantaggio per quelle nelle impostazioni basse e con reddito medio.„

Source:
Journal reference:

Turbé, V., et al. (2021) Deep learning of HIV field-based rapid tests. Nature Medicine. doi.org/10.1038/s41591-021-01384-9.