虽然深度学习算法增强了疾病的诊断,但它们在该领域中进行的快速诊断测试的使用尚未得到广泛测试。有鉴于此,英国伦敦大学学院的Rachel A. McKendry等研究人员,开发出HIV快速检测的深度学习方法。
本文要点
1)研究人员使用深度学习来分类了在南非农村获取的快速人体免疫缺陷病毒(HIV)测试图像。
2)使用具有三星SM-P585平板电脑的新开发图像捕获协议,60个现场工作者常规获取了HIV横向流量测试。
3)从11,374个图像的文库中,深度学习算法得以训练,从而可将测试分类为阳性或阴性。
4)作为移动应用部署算法的试验现场研究表明,与人类经验丰富的护士和新培训的社区卫生工作人员的传统视觉解释相比,其敏感度更高(97.8%)和特异性更强(100%) ,并减少了假阳性和假阴性。
本文研究结果为低收入和中等收入国家进行了深度学习的诊断新范式,称为REASSURED诊断。这些诊断有可能为劳动力培训、质量保证、决策支持和移动连接提供促进疾病控制策略,从而加强医疗保健系统效率,并在新兴感染方面改善患者结果和爆发管理。
参考文献:
Valrian Turb, et al. Deep learning of HIV field-based rapid tests. Nature Medicine, 2021.
DOI:10.1038/s41591-021-01384-9
https://www.nature.com/articles/s41591-021-01384-9