2021年6月18日

人工智能应用可以帮助更准确地诊断艾滋病

通过伦敦大学学院

伦敦大学学院和非洲卫生研究所(AHRI)的研究人员开发的开创性技术可以改变准确解释艾滋病毒检测结果的能力，特别是在低收入和中等收入国家。

来自伦敦大学学院伦敦纳米技术中心和非洲人类健康研究所的学者使用深度学习(人工智能/AI)算法来提高南非农村卫生工作者使用侧流测试诊断艾滋病毒的能力。

他们的研究结果今天发表在自然医学这是第一次也是最大规模的实地获得性艾滋病毒检测结果的研究机器学习(AI)来帮助分类它们是积极的还是消极的。

世界各地每年进行1亿多次艾滋病毒检测，这意味着即使在质量保证方面有一个小小的改进，也可能通过减少假阳性和假阴性的风险，影响数百万人的生命。

通过利用手机传感器、摄像头、处理能力和数据共享能力的潜力，该团队开发了一款应用程序，可以从终端用户在移动设备上拍摄的图像中读取测试结果。它还可以向公共卫生系统报告结果，以便更好地收集数据和持续护理。

侧流测试或快速诊断测试(RDTs)在2019冠状病毒病大流行期间一直在使用，并在疾病控制和筛查中发挥重要作用。

虽然它们在临床环境之外提供了一种快速简便的检测方法，包括自我测试在美国，测试结果的解释有时对外行人来说很有挑战性。

自我测试依赖于人们自我报告的结果，用于临床支持和监测目的。有证据表明，由于色盲或近视，一些非专业护理人员很难理解rdt。

这项新研究调查了人工智能应用程序是否可以支持现场工作人员、护士和社区卫生工作者做出的艾滋病毒检测决定。

一个由60多名训练有素的AHRI现场工作人员组成的小组首先利用伦敦大学学院开发的移动保健工具和图像捕获协议，帮助建立了一个库，其中包括在南非夸祖鲁-纳塔尔省现场各种条件下拍摄的1.1万多张艾滋病毒检测图像。

然后，伦敦大学学院的研究小组将这些图像用作机器学习算法的训练数据。他们比较了算法将图像分类为阴性或阳性的准确性，以及用户通过眼睛解释测试结果的准确性。

i-sense的主要作者和主任Rachel McKendry教授(伦敦大学学院伦敦纳米技术中心和伦敦大学学院医学部)说:“这项研究是与AHRI的一次强有力的合作，它展示了使用的力量深度学习成功地对“真实世界”现场获取的快速测试图像进行分类，并减少通过眼睛读取测试结果时可能发生的错误数量。这项研究显示了移动医疗工具在低收入和中等收入国家可能产生的积极影响，并为未来更大规模的研究铺平了道路。”

对五名不同经验的用户(从护士到新培训的社区卫生工作者)进行了一项试点实地研究，他们使用移动应用程序记录他们对40项艾滋病毒检测结果的解读，并捕捉检测结果的图片，由机器学习分类器自动读取。所有参与者都能在没有培训的情况下使用这款应用。

机器学习分类器能够减少读取RDT的错误，与传统的眼睛解释测试(92.1%)相比，正确分类RDT图像的总体准确率为98.9%。

先前一项针对不同经验的HIV RDTs用户的研究表明，准确率在80%到97%之间变化。

rdt可支持的其他疾病包括疟疾、梅毒、结核病、流感和非传染性疾病。

该研究的第一作者、来自伦敦大学学院伦敦纳米技术中心的val里安·turb博士说:“我在夸祖鲁-纳塔尔省花了一段时间与现场工作人员一起组织数据收集，我看到了人们获得基本医疗服务是多么困难。如果这些工具可以帮助训练人们解读这些图像，你就可以在检测非常早期的艾滋病毒方面做出很大的改变，这意味着更好地获得医疗保健或避免错误的诊断。这可能会对人们的生活产生巨大影响，特别是因为艾滋病毒是可以传播的。”

该团队现在计划进行一项更大规模的评估研究，对不同年龄、性别和数字素养水平的用户进行评估。

还设计了一个数字系统，用于连接实验室和医疗保健管理系统，以便更好地监测和管理RDT的部署和供应。

伦敦大学学院全球健康研究所临床研究学院主任Maryam Shahmanesh教授说:“我们在该地区进行的试验发现，艾滋病毒自我检测对大量青少年和年轻男性有效。然而，艾滋病毒自我检测在将人们与生物医学预防和治疗联系起来方面不太成功。一种数字系统测试结果和获得保健的人，包括与抗逆转录病毒治疗和接触前预防的联系，有可能分散艾滋病毒预防工作并实现联合国艾滋病规划署消除艾滋病毒的目标。”