在即时检测(POCT)中，实现高灵敏度和可负担的快速诊断是一项关键挑战。POCT方法大致分为基于免疫测定和基于分子的方法。在大多数商业化的分子诊断中，涉及样品制备步骤以及分析过程，诊断时间可长达几个小时。在基于免疫测定的诊断中，ELISA作为最流行的免疫分析平台，需要大约3-5小时进行分析。相比之下，快速诊断测试(RDT)，也通常需要15分钟。 在紧急医疗护理领域，快速和准确的诊断在急诊室(ER)具有至关重要的意义。例如，心肌肌钙蛋白I在健康个体中检测不到，但在心肌梗死患者中显著升高，及时诊断和处理至关重要。在这种危急情况下，快速识别疾病和病症对患者的预后产生深远影响。在涉及传染病的情况下，及时诊断在确定致病病原体和感染方面起着关键作用，从而促进及时实施感染控制措施，以避免潜在的疫情爆发，并保障患者和医疗保健提供者的健康。 人工智能(AI)技术已经成为使用卷积神经网络(CNN)进行基于医学图像诊断的焦点，包括x射线、计算机断层扫描(CT)和磁共振成像(MRI)等模式，其应用有望显著提高诊断准确性，同时彻底改变复杂医学图像的解释和分析。 近日，一组来自韩国的研究团队在杂志Nature Communications上发表了一篇题为“Rapid deep learning-assisted predictive diagnostics for point-of-care testing”的文章。文章提出了一种将时间序列深度学习算法与测流分析平台相结合的方法，可以显着减少分析时间，只需1-2分钟。这种方法用途广泛，适用于一系列疾病，包括COVID-19和流感等传染病，以及肌钙蛋白I和hCG等非传染性生物标志物。在临床样本的盲法测试中，此方法不仅实现了短至2分钟的诊断时间，而且超过了传统的人类分析在15分钟内完成的准确性。
图片来源：Nature Communications 主要内容 TIMESAVER快速测定 商业PCR和ELISA检测需要几个小时，是劳动密集型的，而且成本更高。快速试剂盒通常提供成本效益高的现场诊断。作者介绍了一种基于人工智能，可优化LFA免疫分析的算法TIMESAVER。用于预测结果的深度学习架构TIMESAVER，由三个组成部分组成:YOLO、CNN-LSTM和FC layer（如下图）。目标是在现有的商用试剂盒中建立最快的诊断时间，同时保持准确性和可负担性。TIMESAVER利用时间序列深度学习架构和基于人工智能的验证可将分析时间显著缩短至1 - 2分钟。
TIMESAVER深度学习架构。 图片来源：Nature Communications 用TIMESAVER检测传染病 下图展示了使用TIMESAVER模型的2分钟测定法对传染病的评估，包括COVID-19抗原和流感A/B。作者为TIMESAVER开发了一个回归模型，并根据制造商提供的指南将回归值分为五类：高、中、中低、低和阴性对照。结果表明，基于人工智能的决策过程在2分钟内完成，灵敏度为96.3%，特异性为100%，准确率为97.6%。通用性是TIMESAVER算法的一个重要特征。作者测试了额外的5个SARS-CoV-2 LFA模型，平均灵敏度和特异性分别为94.5%和93.5% (图e)。ROC曲线显示AUC值达到0.98。 作者进一步扩大了验证工作，包括甲流测试。流感检测试剂盒的敏感性为93.8%，特异性为100%，准确性为95.8%（图g）。ROC曲线的AUC值为0.97。通过TIMESAVER模型增强LFA结果表明，它可以实现快速的分析时间，同时仍然保持有效的即时诊断的敏感性和特异性。
使用TIMESAVER模型对传染性疾病(COVID-19，流感)的商用LFA进行2分钟检测的评估。图片来源：Nature Communications 利用TIMESAVER 分析急诊室(ER)非感染性生物标志物 作者进一步验证了TIMESAVER检测非感染性生物标志物的性能，包括肌钙蛋白I和绒毛膜促性腺激素hCG。肌钙蛋白I在0.4 ng/ml以上的临床相关性，临界值设定为0.5 ng/mL，并根据LFA制造商指南建立了5级分类。结果显示灵敏度为96.9%，特异性为98.4%，准确性为97.9% (图a)。ROC曲线的AUC值为0.99，显示出很高的准确性。 除此之外，hCG的敏感性、特异性和准确性分别为97.5%、95.0%和96.7% (图d)。ROC曲线得出的AUC值为0.95，同样表明了TIMESAVER模型在2分钟检测中实现多重分类的有效性，强调了它在快速诊断场景中的实用性。
利用TIMESAVER分析急诊室(ER)非感染性生物标志物。 图片来源：Nature Communications 使用临床样本进行盲测 作者评估了来自三个不同组的盲测SARS-CoV-2快速试剂盒数据：未经训练的个人、人类专家和TIMESAVER。在15分钟分析图像中，未经训练的个人达到了70.7%的准确率，而人类专家达到了78.1%。当检测时间减少到2分钟 (图c)时，未经训练的个人和人类专家的准确率分别下降到59.4%和64.6%。相比之下，TIMESAVER模型在性能上超过了人类专家和未经训练的个人，即使在2分钟检测中也达到了80.6%的更高准确率。 由未经训练的个人和专家进行的人类视觉评估显示准确性下降。在中低滴度类别中，未经训练的个人平均准确率仅为29.2%，人类专家为37.2%。而TIMESAVER算法达到了84.6%的准确率。低滴度类别结果也类似。在不同浓度的情况下，TIMESAVER算法始终提供比人类视觉评估更可靠和准确的数据，有效地消除了人类视觉评估中的可变性。
结果和讨论 在诊断中，实现高灵敏度和快速处理的双重目标对POCT至关重要。TIMESAVER系统证明了它在2分钟内可提供可靠结果。这一成就强调了与TIMESAVER算法相关的一系列重要的实际好处： 1. 快速检测：能在1-2分钟内提供结果，与人类专家在传统的15分钟检测中取得的准确性相媲美。 2. 不同LFA模型和目标的通用性：在感染性和非感染性生物标志物的不同LFA模型中验证TIMESAVER算法突出了其广泛的适用性。 3. 对公共卫生的影响：减少检测时间的战略具有变革性潜力，不仅加强患者个人护理和治疗，而且加强公共卫生。 在不断发展的医疗诊断领域，TIMESAVER算法代表了快速可靠检测领域的重大进步。通过基于人工智能的POCT，速度、准确性和可负担性的融合为未来的医疗保健提供了一条有前途的道路。 |
/3 
浙公网安备33010802005999号 
