Reklam
Sağlık Ve Spor Haberleri

Derin öğrenme, HIV testi sonuçlarını doğru bir şekilde yorumlama yeteneğini dönüştürebilir

reklam
Reklam



UCL (University College London) ve Africa Health Research Institute (AHRI) araştırmacıları tarafından geliştirilen öncü teknoloji, özellikle düşük ve orta gelirli ülkelerde HIV testi sonuçlarını doğru bir şekilde yorumlama becerisini değiştirebilir.

UCL ve AHRI’deki Londra Nanoteknoloji Merkezi’nden akademisyenler, Güney Afrika kırsalında yanal akış testleri kullanarak sağlık çalışanlarının HIV’i teşhis etme becerilerini geliştirmek için derin öğrenme (yapay zeka/AI) algoritmalarını kullandılar.

reklam

Bulguları, bugün yayınlanan Doğa Tıbbı, pozitif veya negatif olarak sınıflandırmaya yardımcı olmak için makine öğrenimi (AI) uygulayan, sahadan edinilen HIV testi sonuçlarına ilişkin ilk ve en büyük çalışmayı içeriyor.

Her yıl dünya çapında 100 milyondan fazla HIV testi yapılmaktadır, yani kalite güvencesinde küçük bir gelişme bile yanlış pozitif ve negatif riskini azaltarak milyonlarca insanın hayatını etkileyebilir.

reklam

Ekip, cep telefonu sensörlerinin, kameralarının, işlem gücünün ve veri paylaşım özelliklerinin potansiyelinden yararlanarak, bir mobil cihazda son kullanıcılar tarafından çekilen bir görüntüden test sonuçlarını okuyabilen bir uygulama geliştirdi. Ayrıca daha iyi veri toplama ve sürekli bakım için sonuçları halk sağlığı sistemlerine rapor edebilir.

Yanal akış testleri – veya hızlı tanı testleri (RDT’ler) – COVID-19 pandemisi boyunca kullanılmıştır ve hastalık kontrolü ve taramasında önemli bir rol oynamaktadır.

Kendi kendine test de dahil olmak üzere klinik ortamların dışında test etmenin hızlı ve kolay bir yolunu sunarken, test sonuçlarının yorumlanması bazen sıradan insanlar için zor olabilir.

Kendi kendine test, klinik destek ve sürveyans amaçları için insanların kendilerinin rapor ettiği sonuçlara dayanır. Kanıtlar, bazı meslekten olmayan bakıcıların, renk körlüğü veya miyopluk nedeniyle RDT’leri yorumlamakta zorlanabileceğini göstermektedir.

Yeni çalışma, bir AI uygulamasının saha çalışanları, hemşireler ve toplum sağlığı çalışanları tarafından alınan HIV testi kararlarını destekleyip destekleyemeyeceğini inceledi.

AHRI’de 60’tan fazla eğitimli saha çalışanından oluşan bir ekip, ilk olarak Güney Afrika’nın KwaZulu-Natal kentindeki sahada çeşitli koşullarda alınan 11.000’den fazla HIV testi görüntüsünden oluşan bir kütüphanenin oluşturulmasına yardımcı oldu. UCL.

UCL ekibi daha sonra bu görüntüleri makine öğrenimi algoritmaları için eğitim verileri olarak kullandı. Algoritmanın görüntüleri ne kadar doğru bir şekilde negatif veya pozitif olarak sınıflandırdığını, test sonuçlarını gözle yorumlayan kullanıcılarla karşılaştırdılar.

Baş yazarı ve i-sense Direktörü Profesör Rachel McKendry (UCL Londra Nanoteknoloji Merkezi ve UCL Tıp Bölümü) şunları söyledi: “Bu çalışma, AHRI ile ‘gerçek dünyayı başarılı bir şekilde sınıflandırmak için derin öğrenmeyi kullanmanın gücünü gösteren gerçekten güçlü bir ortaklıktır. ‘ sahadan edinilen hızlı test görüntüleri ve test sonuçlarını gözle okurken oluşabilecek hataların sayısını azaltın.Bu araştırma, mobil sağlık araçlarının düşük ve orta gelirli ülkelerde sahip olabileceği olumlu etkiyi göstermekte ve bunun önünü açmaktadır. gelecekte daha büyük bir çalışma.”

Farklı deneyimlere sahip (hemşirelerden yeni eğitilmiş toplum sağlığı çalışanlarına kadar) beş kullanıcıdan oluşan bir pilot saha çalışması, mobil uygulamayı kullanarak 40 HIV testi sonucunu yorumlamalarını kaydetmenin yanı sıra testlerin otomatik olarak okunacak bir resmini çekmelerini içeriyordu. makine öğrenimi sınıflandırıcısı tarafından. Tüm katılımcılar uygulamayı eğitim almadan kullanabildi.

Makine öğrenimi sınıflandırıcısı, testlerin gözle geleneksel yorumuna (%92,1) kıyasla RDT görüntülerini genel olarak %98,9 doğrulukla doğru şekilde sınıflandırarak RDT’leri okumadaki hataları azaltabildi.

HIV RDT’lerini yorumlama konusunda farklı deneyimlere sahip kullanıcılarla ilgili önceki bir çalışma, doğruluğun %80 ile %97 arasında değiştiğini göstermiştir.

RDT’lerin destekleyebileceği diğer hastalıklar sıtma, frengi, tüberküloz, grip ve bulaşıcı olmayan hastalıkları içerir.

İlk yazar Dr Valérian Turbé (UCL Londra Nanoteknoloji Merkezi) ve McKendry grubundaki i-sense araştırmacısı şunları söyledi: “KwaZulu-Natal’da veri toplamayı organize eden saha çalışanları ile biraz zaman geçirdikten sonra, bunun insanlar için ne kadar zor olduğunu gördüm. Bu araçlar, insanları görüntüleri yorumlamaları konusunda eğitmeye yardımcı olabilirse, HIV’in çok erken evresinde tespit edilmesinde büyük bir fark yaratabilirsiniz, bu da sağlık hizmetlerine daha iyi erişim veya yanlış bir teşhisten kaçınma anlamına gelir. yaşıyor, özellikle HIV bulaşıcı olduğu için.”

Ekip şimdi, farklı yaş, cinsiyet ve dijital okuryazarlık düzeyindeki kullanıcılarla sistemin performansını değerlendirmek için daha büyük bir değerlendirme çalışması planlıyor.

RDT dağıtımının ve tedarikinin daha iyi izlenebildiği ve yönetilebildiği laboratuvar ve sağlık yönetim sistemlerine bağlanmak için dijital bir sistem de tasarlanmıştır.

Bölgede yürüttüğümüz denemeler, kendi kendine HIV testinin çok sayıda ergen ve genç erkeğe ulaşmada etkili olduğunu bulmuştur. Bununla birlikte, HIV kendi kendine testi, insanları biyomedikal önleme ve tedaviye bağlamada daha az başarılı olmuştur. Antiretroviral tedavi ve maruziyet öncesi profilaksi ile bağlantı dahil olmak üzere bir test sonucunu ve kişiyi sağlık hizmetlerine bağlayan dijital bir sistem, HIV önlemeyi merkezden uzaklaştırma ve HIV’i ortadan kaldırmak için UNAIDS hedeflerine ulaşma potansiyeline sahiptir.”

Profesör Maryam Shahmanesh, AHRI Klinik Araştırmalar Fakültesi Lideri, UCL Küresel Sağlık Enstitüsü

AHRI’nin Nüfus Bilimi Fakültesi lideri Dr Kobus Herbst şunları ekledi: “Bu çalışma, makine öğrenimi yaklaşımlarının küresel Güney’de bulunan büyük ve çeşitli veri kümelerinden nasıl yararlanabileceğini, ancak aynı zamanda yerel sağlık önceliklerine ve ihtiyaçlarına duyarlı olabileceğini gösteriyor.”

Araştırmacılar ayrıca, bağlı bir cihaz aracılığıyla RDT sonuçlarının gerçek zamanlı raporlanmasının, örneğin pozitif test sayılarının yüksek olduğu ‘sıcak noktaları’ vurgulayarak, işgücü eğitiminde ve salgın yönetiminde yardımcı olabileceğini öne sürüyorlar. Şu anda yaklaşımı COVID-19 ve bulaşıcı olmayan hastalıklar dahil olmak üzere diğer enfeksiyonlara genişletiyorlar.

Eski AHRI Direktörü Profesör Deenan Pillay (UCL Enfeksiyon ve Bağışıklık), şunları söyledi: “Dijital sağlık araştırmaları ana akım haline geldikçe, dünya çapında en çok ihtiyaç duyan popülasyonların yüksek gelirli ortamlardakiler kadar fayda sağlayamayacağına dair ciddi endişeler var. Çalışmalarımız, uygun ortaklıklar ve katılımla, düşük ve orta gelirli ortamlardakiler için nasıl fayda ve fayda sağlayabileceğimizi gösteriyor.”

Kaynak:

Dergi referansı:

Turbe, V., et al. (2021) HIV alan tabanlı hızlı testlerin derinlemesine öğrenilmesi. Doğa Tıbbı. doi.org/10.1038/s41591-021-01384-9.

.


news-medical.net

Source link

reklam
reklamm

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

reklam
Başa dön tuşu

Reklam Engelleyici Algılandı

Lütfen Reklam Engelleyiciyi Kapatınız