La tecnología pionera desarrollada por investigadores del UCL (University College London) y del Africa Health Research Institute (AHRI) podría transformar la capacidad de interpretar con precisión los resultados de las pruebas del VIH, especialmente en los países de medianos y bajos ingresos.
Concretamente, los investigadores han utilizado algoritmos de aprendizaje profundo (inteligencia artificial) para mejorar la capacidad de los profesionales sanitarios para diagnosticar el VIH utilizando pruebas de flujo lateral en las zonas rurales de Sudáfrica.
Al aprovechar el potencial de los sensores de los teléfonos móviles, las cámaras, la potencia de procesamiento y las capacidades de intercambio de datos, el equipo ha desarrollado una aplicación que puede leer los resultados de las pruebas de una imagen tomada por los usuarios finales en un dispositivo móvil. También puede ser capaz de informar de los resultados a los sistemas de salud pública para una mejor recopilación de datos y atención continua.
En este mismo sentido, el estudio examinó si una aplicación de IA podría apoyar las decisiones de pruebas del VIH tomadas por trabajadores de campo, enfermeras y trabajadores de salud comunitarios.
Los investigadores han utilizado algoritmos de aprendizaje profundo (inteligencia artificial) para mejorar la capacidad de los profesionales sanitarios para diagnosticar el VIH utilizando pruebas de flujo lateral
Un equipo de más de 60 trabajadores de campo capacitados en AHRI primero ayudó a construir una biblioteca de más de 11.000 imágenes de pruebas de VIH tomadas en diversas condiciones en el campo en KwaZulu-Natal, Sudáfrica, utilizando una herramienta de salud móvil y un protocolo de captura de imágenes desarrollado por UCL.
A continuación, el equipo de UCL usó estas imágenes como datos de entrenamiento para su algoritmo de aprendizaje automático. Compararon la precisión con la que el algoritmo clasificó las imágenes como negativas o positivas, en comparación con los usuarios que interpretaban los resultados de las pruebas a simple vista.
Un estudio piloto de campo de cinco usuarios de experiencia variable Los involucró utilizando la aplicación móvil para registrar su interpretación de los resultados de 40 pruebas de VIH, así como capturar una imagen de las pruebas para que el clasificador de aprendizaje automático las leyera automáticamente. Todos los participantes pudieron usar la aplicación sin entrenamiento.
PRECISIÓN GENERAL DEL 98,9%
El clasificador de aprendizaje automático fue capaz de reducir los errores en la lectura de RDT, clasificando correctamente las imágenes RDT con una precisión general del 98,9%, en comparación con la interpretación tradicional de las pruebas a ojo (92,1%). Un estudio previo de usuarios con experiencia variable en la interpretación de las PDR del VIH mostró que la precisión varió entre el 80% y el 97%.
El equipo ahora planea un estudio de evaluación más amplio para evaluar el rendimiento del sistema, con usuarios de diferentes edades, género y niveles de alfabetización digital.
También se ha diseñado un sistema digital para conectarse a los sistemas de gestión de laboratorio y de atención sanitaria, donde el despliegue y el suministro de RDT pueden supervisarse y gestionarse mejor.