Forskere ved ARUP Laboratories i Utah har gjort et betydelig gjennombrudd innen klinisk mikrobiologi ved å utvikle et kunstig intelligens (AI)-verktøy for påvisning av tarmparasitter i avføringsprøver. Denne innovative teknologien lover å forbedre både hastigheten og nøyaktigheten i diagnostiseringen av parasittinfeksjoner, noe som kan føre til bedre helseutfall globalt.
Tradisjonelt krever identifisering av disse parasittene at spesialister nøye inspiserer hver prøve under mikroskop, på jakt etter tegn som egg, cyster eller larver. Denne prosessen er ikke bare arbeidskrevende, men også variabel i nøyaktighet, avhengig av laboratoriepersonellets erfaring og ferdigheter.
Det nyutviklede AI-verktøyet benytter et dypt læringsmodell kjent som konvolusjonelle nevrale nettverk (CNN) og har vist seg å overgå menneskelige observatører i å oppdage tilstedeværelsen av parasittorganismer. I en nylig publisert studie i Journal of Clinical Microbiology rapporterte forskerne at AI-systemet oppnådde høyere sensitivitet i identifiseringen av parasitter i våtpreparater av avføring sammenlignet med erfarne fagfolk på feltet. Dette betyr at AI-verktøyet pålitelig kan identifisere infeksjoner som kan bli oversett under manuelle undersøkelser, og dermed forbedre den samlede diagnostiske prosessen.
En av hovedbidragsyterne til denne forskningen, Blaine Mathison, teknisk direktør for parasitologi ved ARUP, understreket den banebrytende effekten av denne AI-teknologien. Ifølge Mathison viser valideringsstudiene at AI-algoritmen betydelig forbedrer klinisk sensitivitet, og baner vei for mer nøyaktig påvisning av patogene parasitter. Dette fremskrittet kan revolusjonere hvordan parasittinfeksjoner diagnostiseres og behandles i kliniske settinger, spesielt i ressursbegrensede områder hvor tilgangen til erfarent personell kan være knapp.
Grunnlaget for dette AI-verktøyet ligger i dets robuste trening, som involverte analyse og læring fra over 4 000 parasitt-positive prøver hentet fra laboratorier på flere kontinenter, inkludert Nord-Amerika, Europa, Afrika og Asia. Disse prøvene var mangfoldige og omfattet totalt 27 forskjellige klasser av parasitter. Noen av disse artene er spesielt sjeldne, som Schistosoma japonicum fra Filippinene og Schistosoma mansoni fra Afrika. Mathison bemerket at studiens omfattende natur gir betydelig troverdighet til AI-verktøyets evner.
Samarbeidet mellom ARUP Laboratories og Techcyte, et teknologiselskap basert i Utah, var avgjørende i utviklingen av dette AI-systemet. Etter omfattende trening og testing var resultatene slående: Verktøyet identifiserte 98,6 % av positive prøver, noe som overgår tradisjonelle metoder. Denne teknologien representerer et betydelig skritt fremover i kampen mot parasittinfeksjoner og understreker potensialet for AI i medisinsk diagnostikk.