Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A aprendizagem profunda podia transformar a capacidade para interpretar exactamente resultados da análise do VIH

Abrir caminho a tecnologia desenvolvida por UCL (University College Londres) e por pesquisadores do instituto de investigação da saúde (AHRI) de África poderia transformar a capacidade para interpretar exactamente resultados da análise do VIH, particularmente em baixos e países de rendimento médio.

Os Academics da Londres centram-se para a nanotecnologia em UCL e em AHRI usados profundamente aprendendo (intelligence/AI artificial) os algoritmos melhorar a capacidade dos trabalhadores do sector da saúde para diagnosticar o VIH usando testes de fluxo laterais em África do Sul rural.

Seus resultados, publicados hoje na medicina da natureza, envolvem o primeiro e estudo o maior dos resultados da análise campo-adquiridos do VIH, que aplicaram a aprendizagem de máquina (AI) ajudar aos classificar como positivos ou negativos.

Mais de 100 milhão testes do VIH são executados em todo o mundo anualmente, significar mesmo uma melhoria pequena na segurança de qualidade poderia impactar as vidas de milhões de povos reduzindo o risco de falsos positivos e de negativos.

Aproveitando o potencial de capacidades da partilha dos sensores, das câmeras, da potência de processamento e de dados do telefone móvel, a equipe desenvolveu um app que pudesse ler resultados da análise de uma imagem tomada por utilizadores finais em um dispositivo móvel. Pode igualmente poder relatar resultados aos sistemas da saúde pública para o melhor levantamento de dados e cuidado em curso.

Os testes de fluxo laterais - ou testes de diagnóstico rápidos (RDTs) - foram usados durante todo a pandemia COVID-19 e jogam um papel importante no controlo de enfermidades e na selecção.

Quando fornecerem um rápido e uma forma facil de teste fora dos ajustes clínicos, incluindo o auto-teste, a interpretação dos resultados da análise pode às vezes ser desafiante para povos colocados.

o Auto-teste confia em resultados do auto-relatório dos povos para finalidades clínicas do apoio e da fiscalização. A evidência sugere que alguns cuidadors da configuração possam se esforçar para interpretar RDTs devido à cegueira de cor ou ao curto-sightedness.

O estudo novo examinado se um AI app poderia apoiar as decisões do teste do VIH feitas por fieldworkers, por enfermeiras e por trabalhadores do sector da saúde da comunidade.

Uma equipe de mais de 60 trabalhadores de campo treinados na construção primeiramente ajudada de AHRI uma biblioteca de mais de 11.000 imagens do VIH testa várias condições recolhidas no campo em Kwazulu Natal, África do Sul, usando um protocolo móvel da captação da ferramenta e da imagem da saúde desenvolvido por UCL.

A equipe de UCL usou então estas imagens como dados do treinamento para seu algoritmo deaprendizagem. Compararam como exactamente o algoritmo classificou imagens como o negativo ou o positivo, contra os usuários que interpretam resultados da análise pelo olho.

O autor principal e o director do professor Rachel McKendry do eu-sentido (centro de UCL Londres para a nanotecnologia e a divisão de UCL da medicina) disseram: “Este estudo é uma parceria realmente forte com AHRI que demonstra a potência da utilização que aprende profundamente classificar com sucesso “o real-mundo” imagens rápidas campo-adquiridas do teste, e reduz o número de erros que podem acontecer ao ler resultados da análise pelo olho. Esta pesquisa mostra que o impacto que positivo as ferramentas móveis da saúde podem ter em baixos e países de rendimento médio, e pavimenta a maneira para um estudo maior no futuro.”

Um estudo de campo piloto de cinco usuários da experiência de variação (que varia das enfermeiras aos trabalhadores do sector da saúde recentemente treinados da comunidade) envolveu-os que usam o app móvel para gravar sua interpretação de 40 resultados da análise do VIH, assim como captura uma imagem dos testes a ser lidos automaticamente pelo classificador da aprendizagem de máquina. Todos os participantes podiam usar o app sem treinar.

O classificador da aprendizagem de máquina podia reduzir erros em RDTs de leitura, classificando correctamente imagens do RDT com o macacão de 98,9% precisões, comparado à interpretação tradicional dos testes pelo olho (92,1%).

Um estudo precedente dos usuários da experiência de variação em interpretar VIH RDTs mostrou a precisão variada entre 80% e 97%.

Outras doenças que RDTs poderia apoiar incluem a malária, a sífilis, a tuberculose, a gripe e doenças não-comunicáveis.

O primeiro Dr. Valérian Turbé do autor (centro de UCL Londres para a nanotecnologia) e o pesquisador do eu-sentido no grupo de McKendry disseram: “Passando alguma hora em Kwazulu Natal com os fieldworkers que organizam a coleção de dados, eu vi como difícil é para que os povos alcancem serviços básicos dos cuidados médicos. Se estas ferramentas podem ajudar a treinar povos para interpretar as imagens, você pode fazer uma diferença grande em detectar muito a fase inicial VIH, em significar o melhor acesso aos cuidados médicos ou em evitar um diagnóstico incorrecto. Isto poderia ter implicações maciças nas vidas do pessoa, especialmente porque o VIH é transmissível.”

A equipe planeia agora um estudo de avaliação maior avaliar o desempenho do sistema, com os usuários de idades, do género e de níveis de deferimento de instrução digital.

Um sistema digital foi projectado igualmente conectar aos sistemas de gestão do laboratório e de cuidados médicos, onde o desenvolvimento e a fonte do RDT podem melhor ser monitorados e controlado.

As experimentações que nós conduzimos na área encontraram que o auto-teste do VIH é eficaz em alcançar um grande número adolescentes e homens novos. Contudo, o auto-teste do VIH foi menos bem sucedido em ligar povos à prevenção e ao tratamento biomedicáveis. Um sistema digital que conecte um resultado da análise e a pessoa aos cuidados médicos, incluindo o enlace à terapia do antiretroviral e à profilaxia da pre-exposição, tem o potencial descentralizar a prevenção do VIH e entregá-la em objetivos do UNAIDS para eliminar o VIH.”

Professor Maryam Shahmanesh, chumbo clínico da faculdade da pesquisa de AHRI, instituto de UCL para a saúde global

Dr. Kobus Herbst, chumbo da faculdade da ciência da população de AHRI, adicionado: “Este estudo mostra como as aproximações da aprendizagem de máquina podem tirar proveito dos grandes e conjunto de dados diversos disponíveis do sul global, mas seja ao mesmo tempo responsivo às prioridades e às necessidades locais da saúde.”

Os pesquisadores igualmente sugerem que o relatório do tempo real de resultados do RDT através de um dispositivo conectado poderia ajudar no treinamento da mão-de-obra e na gestão da manifestação, por exemplo destacando os “pontos quentes onde os números positivos do teste são altos. Estão estendendo actualmente a aproximação a outras infecções que incluem COVID-19, e a doença não-comunicável.

O director anterior professor Deenan Pillay de AHRI (infecção & imunidade de UCL), disse: “Enquanto a pesquisa digital da saúde se move no grosso da população, permanece umas preocupações sérias que aquelas populações mais na necessidade em todo o mundo não beneficiarão tanto quanto aqueles em ajustes do salário alto. Nosso trabalho demonstra como, com parcerias e acoplamento apropriados, nós podemos demonstrar o serviço público e o benefício para aqueles em baixos e ajustes de rendimento médio.”

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.