.
Um aplicativo de inteligência artificial para ler testes de fluxo lateral COVID-19 ajudou a reduzir resultados falsos em um novo teste lançado hoje.
Publicado em Medicina de Relatórios Celularesuma equipe de pesquisadores da Universidade de Birmingham, da Universidade de Durham e da Universidade de Oxford testou se um algoritmo de aprendizado de máquina poderia melhorar a precisão dos resultados de dispositivos de fluxo lateral de antígeno para COVID-19.
A equipe do LFD AI Consortium trabalhou em centros de teste assistidos pela Agência de Segurança da Saúde do Reino Unido e com profissionais de saúde realizando autoteste para testar o aplicativo de IA. Mais de 100.000 imagens foram enviadas como parte do estudo, e a equipe descobriu que o algoritmo foi capaz de aumentar a sensibilidade dos resultados, determinando entre um verdadeiro positivo e um falso negativo, de 92% a 97,6% de precisão.
O professor Andrew Beggs, professor de genética e cirurgia do câncer da Universidade de Birmingham e principal autor do estudo, disse:
“O uso generalizado de dispositivos de fluxo lateral de antígeno foi um momento significativo não apenas durante a pandemia, mas também introduziu testes de diagnóstico para muito mais pessoas na sociedade. questão de ‘linha tênue’ – onde não podemos dizer se é positivo ou não.
“O estudo analisou a viabilidade do uso de aprendizado de máquina para eliminar as suposições dos testes de linha fraca, e estamos satisfeitos em ver que o aplicativo viu um aumento na sensibilidade dos testes, reduzindo o número de falsos negativos. A promessa desse tipo de tecnologia pode ser usado em muitas aplicações, tanto para reduzir a incerteza sobre os resultados dos testes quanto para fornecer um suporte crucial para pessoas com deficiência visual.”
A professora Camila Caiado, professora de Estatística da Universidade de Durham e estatística-chefe do projeto, disse:
“O aumento na sensibilidade e precisão geral é significativo e mostra o potencial deste aplicativo, reduzindo o número de falsos negativos e infecções futuras. Fundamentalmente, o método também pode ser facilmente adaptado à avaliação de outros leitores digitais para dispositivos do tipo fluxo lateral .”
Fonte da história:
Materiais fornecidos por Universidade de Birmingham. Nota: O conteúdo pode ser editado para estilo e duração.
.
