Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El aprendizaje profundo podía transformar la capacidad de interpretar exacto resultados de la prueba del VIH

La promoción de la tecnología desarrollada por UCL (Universidad Londres) y los investigadores del instituto de investigación de la salud (AHRI) de África podría transformar la capacidad de interpretar exacto resultados de la prueba del VIH, determinado en países inferiores y con ingresos medios.

El académico del centro de Londres para la nanotecnología en UCL y AHRI utilizó profundamente el aprendizaje de los algoritmos (intelligence/AI artificial) para perfeccionar la capacidad de los ayudantes de sanidad de diagnosticar el VIH usando pruebas de flujo laterales en Suráfrica rural.

Sus conclusión, publicadas hoy en remedio de la naturaleza, implican el primer y más grande estudio de los resultados de la prueba campo-detectados del VIH, que han aplicado el aprendizaje de máquina (AI) ayudar a clasificarlos como positivos o negativos.

Más de 100 millones de pruebas del VIH se realizan en todo el mundo anualmente, significar incluso una pequeña mejoría en garantía de calidad podría afectar las vidas de millones de gente reduciendo el riesgo de positivos falsos y de negativas.

Aprovechando el potencial de los sensores del teléfono movible, cámaras, capacidad de cálculo y capacidades de la distribución de datos, las personas desarrollaron un app que puede los resultados de la prueba leída de una imagen tomada por los usuarios finales en un dispositivo movible. Puede también poder denunciar resultados a los sistemas de la salud pública para una mejor colección de datos y el cuidado en curso.

Las pruebas de flujo laterales - o las pruebas diagnósticas rápidas (RDTs) - se han utilizado en el pandémico COVID-19 y desempeñan un papel importante en control de enfermedades y la investigación.

Mientras que ofrecen una manera rápida y fácil de prueba fuera de fijaciones clínicas, incluyendo la uno mismo-prueba, interpretación de los resultados de la prueba puede a veces ser desafiadora para la gente puesta.

la Uno mismo-prueba confía en los resultados de la uno mismo-información de la gente para los propósitos clínicos del apoyo y de la vigilancia. Las pruebas sugieren que algunos cuidadores de la endecha puedan luchar para interpretar RDTs debido a acromatopsia o miopía.

El nuevo estudio examinado si un AI app podría soportar las decisiones de la prueba del VIH tomadas por los fieldworkers, las enfermeras y los ayudantes de sanidad de la comunidad.

Las personas de más de 60 trabajadores de campo entrenados en la estructura primero ayudada de AHRI una biblioteca de más de 11.000 imágenes del VIH prueban diversas condiciones admitidas en el campo en Kwazulu Natal, Suráfrica, usando un protocolo movible de la captura de la herramienta y de la imagen de la salud desarrollado por UCL.

Las personas de UCL entonces utilizaron estas imágenes como datos del entrenamiento para su algoritmo de máquina-aprendizaje. Compararon cómo el algoritmo clasificó exacto imágenes como negativa o positivo, comparado con los utilizadores que interpretaban resultados de la prueba por el aro.

El autor importante y el director de profesor Raquel McKendry (centro del yo-sentido de UCL Londres para la nanotecnología y la división de UCL de remedio) dijeron: “Este estudio es una sociedad realmente fuerte con AHRI que demuestre la potencia de usar profundamente que aprende clasificar con éxito imágenes rápidas campo-detectadas “del mundo real” de la prueba, y reduce el número de desvíos que puedan suceso cuando los resultados de la prueba de lectura por el aro. Esta investigación muestra que el impacto positivo que las herramientas movibles de la salud pueden tener en países inferiores y con ingresos medios, y pavimenta la manera para un estudio más grande en el futuro.”

Un estudio en el campo experimental de cinco utilizadores de experiencia diversa (que coloca de enfermeras a los ayudantes de sanidad nuevamente entrenados de la comunidad) los implicó usando el app movible para registrar su interpretación de 40 resultados de la prueba del VIH, así como captura un retrato de las pruebas que se leerán automáticamente por el clasificador del aprendizaje de máquina. Todos los participantes podían utilizar el app sin el entrenamiento.

El clasificador del aprendizaje de máquina podía reducir desvíos en RDTs de lectura, clasificando correctamente imágenes del RDT con el guardapolvo de 98,9% exactitudes, comparado a la interpretación tradicional de las pruebas por el aro (92,1%).

Un estudio anterior de utilizadores de la experiencia diversa en la interpretación de VIH RDTs mostró la exactitud variada entre el 80% y el 97%.

Otras enfermedades que RDTs podría soportar incluyen malaria, sífilis, tuberculosis, gripe y enfermedades no-transmisibles.

El primer Dr. Valérian Turbé (centro del autor de UCL Londres para la nanotecnología) y el investigador del yo-sentido en el grupo de McKendry dijeron: “Pasando una cierta hora en Kwazulu Natal con los fieldworkers que ordenaban la recogida de datos, he visto cómo es difícil está para que la gente llegue hasta servicios básicos de la atención sanitaria. Si estas herramientas pueden ayudar a entrenar a gente para interpretar las imágenes, usted puede diferenciar grande en descubrir mismo el VIH del temprano-escenario, significar un mejor acceso a la atención sanitaria o evitar una diagnosis incorrecta. Esto podría tener implicaciones masivas el las vidas de la gente, especialmente pues el VIH es transmisible.”

Las personas ahora proyectan un estudio de evaluación más grande para fijar el funcionamiento del sistema, con los utilizadores de edades, del género y de niveles que difieren de instrucción digital.

Un sistema digital también se ha diseñado para conectar con los sistemas de gestión del laboratorio y de atención sanitaria, donde el despliegue y el abastecimiento del RDT pueden ser vigilados y ser manejados mejor.

Las juicios que hemos conducto en el área han encontrado que la uno mismo-prueba del VIH es efectiva en alcanzar un gran número de adolescentes y de hombres jovenes. Sin embargo, la uno mismo-prueba del VIH ha sido menos acertada en la conexión de gente a la prevención y al tratamiento biomédicos. Un sistema digital que conecta un resultado de la prueba y a la persona con la atención sanitaria, incluyendo la articulación a la terapia del antiretroviral y a la profilaxis de la pre-exposición, tiene el potencial de descentralizar la prevención del VIH y de entregarla en metas del UNAIDS para eliminar el VIH.”

Profesor Maryam Shahmanesh, guía clínico de la facultad de la investigación de AHRI, instituto de UCL para la salud global

El Dr. Kobus Herbst, guía de la facultad de la ciencia de la población de AHRI, adicional: “Este estudio muestra cómo las aproximaciones del aprendizaje de máquina pueden beneficiarse de los grupos de datos grandes y diversos disponibles del sur global, pero al mismo tiempo sea responsivo a las prioridades y a las necesidades locales de la salud.”

Los investigadores también sugieren que la información en tiempo real de los resultados del RDT a través de un dispositivo conectado podría ayudar en el entrenamiento de la mano de obra y la administración del brote, por ejemplo destacando “apuroses” donde están altos los números positivos de la prueba. Están ampliando actualmente la aproximación a otras infecciones incluyendo COVID-19, y la enfermedad no-transmisible.

El director anterior profesor Deenan Pillay de AHRI (infección y inmunidad de UCL), dijo: “Mientras que la investigación digital de la salud se traslada a la corriente principal, sigue siendo preocupación que esas poblaciones en la necesidad en todo el mundo no beneficiarán más tanto como ésos en fijaciones de los ingresos altos. Nuestro trabajo demuestra cómo, con sociedades y el combate apropiados, podemos demostrar utilidad y la ventaja para ésos en fijaciones inferiores y con ingresos medios.”

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.