人工智能消除了横向流动测试的猜测

在今天进行的一项新试验中，一款读取COVID-19横向流动测试的人工智能应用程序有助于减少错误结果。

在发表于细胞报告医学来自伯明翰大学、杜伦大学和牛津大学的一组研究人员测试了一种机器学习算法是否可以提高COVID-19抗原横向流动装置结果的准确性。

LFD人工智能联盟团队在英国卫生安全局协助测试中心和卫生保健工作者作为研究的一部分，提交了10万多张图像，研究团队发现该算法能够提高结果的敏感性，在真阳性和假阴性之间进行判断，准确率从92%提高到97.6%。

伯明翰大学癌症遗传学与外科学教授、该研究的主要作者Andrew Beggs教授说:“抗原横向流动装置的广泛使用不仅在大流行期间是一个重要时刻，而且还为社会上更多人引入了诊断测试。针对COVID、怀孕和任何其他未来用途的LFD检测的缺点之一是‘模糊线’问题，我们不能完全判断它是否是阳性。”

“这项研究研究了使用机器学习来消除微弱线条测试中的猜测的可行性，我们很高兴地看到，该应用程序提高了测试的灵敏度，减少了假阴性的数量。这种技术有望应用于很多领域，既可以减少测试结果的不确定性，也可以为视障人士提供重要的支持。”

杜伦大学统计学教授、该项目的首席统计师Camila Caiado教授说:“灵敏度和整体准确度的提高是显著的，它通过减少假阴性和未来感染的数量显示了这款应用程序的潜力。至关重要的是，该方法也可以很容易地适用于评估其他横向流类型设备的数字阅读器。”