Investigadores del University College London y el Africa Health Research Institute han desarrollado una aplicación impulsada por inteligencia artificial que puede interpretar las pruebas de flujo lateral para el VIH. La técnica consiste en tomar una imagen de la prueba con la cámara de un teléfono inteligente y la aplicación puede decir si el resultado es positivo o negativo simplemente analizando la imagen. Como estas pruebas pueden ser difíciles de interpretar, la tecnología debería ayudar a mejorar su precisión cuando se implemente en regiones de bajos recursos.
Cada año se realizan un total de 100 millones de pruebas de VIH. Dada la importancia del tratamiento temprano y la gran cantidad de personas que se someten a pruebas, la precisión de las pruebas es muy importante. La tecnología de flujo lateral se está adoptando cada vez más para las pruebas del VIH, particularmente en las zonas más pobres del mundo. Esta tecnología tiene ventajas obvias en este contexto, incluidos resultados rápidos de las pruebas, facilidad de uso, evitar pruebas de laboratorio costosas y engorrosas e incluso la posibilidad de realizar autoevaluaciones.
Las pruebas de flujo lateral suelen proporcionar un resultado visual, como un cambio de color. En teoría, esto debería hacerlos fáciles de interpretar. Sin embargo, las personas no profesionales con discapacidad visual o daltonismo pueden tener dificultades para interpretar la prueba correctamente. Esta última tecnología tiene como objetivo eliminar algunas conjeturas en la interpretación de la prueba, ya que permite a alguien simplemente tomar una fotografía de su prueba usando un teléfono inteligente. La aplicación impulsada por IA proporciona rápidamente un resultado.
La tecnología se basa en un algoritmo de aprendizaje automático que se entrenó utilizando 11.000 imágenes de pruebas de flujo lateral, tomadas en el campo. En una prueba reciente, los investigadores compararon la precisión de su aplicación con pruebas leídas visualmente. Sorprendentemente, la aplicación superó a los usuarios de pruebas humanas, demostrando una precisión del 98,9 % en comparación con el 92,1 % de las evaluaciones humanas.
Curiosamente, la tecnología tiene aplicabilidad en diversos estados patológicos donde se utilizan pruebas de flujo lateral, incluidas pruebas de sífilis, tuberculosis, malaria e influenza. "Este estudio es una asociación realmente sólida con AHRI que demuestra el poder del uso del aprendizaje profundo para clasificar con éxito imágenes de pruebas rápidas adquiridas en el campo en el 'mundo real' y reducir la cantidad de errores que pueden ocurrir al leer los resultados de las pruebas a simple vista". dijo Rachel McKendry, investigadora involucrada en el estudio, en un anuncio de la UCL. "Esta investigación muestra el impacto positivo que las herramientas de salud móviles pueden tener en los países de ingresos bajos y medios, y allana el camino para un estudio más amplio en el futuro".
Estudio en medicina natural : aprendizaje profundo de las pruebas rápidas de campo del VIH
Vía: UCL