人工智能可以在横向流动测试中进行猜测
在今天的一项新试验中，一款读取COVID-19横向流量测试的人工智能应用程序帮助减少了错误结果。
在发表于细胞医学报告，由伯明翰大学、杜伦大学和牛津大学的研究人员组成的团队测试了机器学习算法是否可以提高COVID-19抗原横向流动装置结果的准确性。
LFD AI联盟团队在英国卫生安全局协助测试中心和卫生保健工作者作为研究的一部分，超过10万张图片被提交，该团队发现，该算法能够提高结果的灵敏度，在真阳性和假阴性之间进行判断，准确率从92%到97.6%。
伯明翰大学癌症遗传学与外科学教授、该研究的第一作者Andrew Beggs教授说:“抗原横向流动装置的广泛使用不仅是大流行期间的一个重要时刻，而且还将诊断检测介绍给了社会上更多人。LFD检测新冠病毒、怀孕和任何其他未来使用的缺点之一是‘模糊界限’问题，我们不能很好地判断它是否是阳性的。”
“该研究研究了使用机器学习来去除微弱线测试中的猜测的可行性，我们很高兴地看到，该应用程序提高了测试的灵敏度，减少了假阴性的数量。这种类型的技术有望用于许多应用，既可以减少测试结果的不确定性，也可以为视障人士提供关键的支持。”
杜伦大学(Durham University)的统计学教授、该项目的首席统计师卡米拉·卡亚多(Camila Caiado)教授说:“灵敏度和总体准确性的提高是显著的，它显示了这款应用程序的潜力，因为它减少了假阴性和未来感染的数量。”最重要的是，该方法也可以很容易地适用于其他用于横向流类型设备的数字阅读器的评估。”
更多信息:Andrew D. Beggs等人，确定无症状人群中SARS-CoV-2感染检测横向流动装置结果的机器学习，细胞医学报告(2022)。DOI: 10.1016 / j.xcrm.2022.100784
期刊信息:
细胞医学报告
所提供的伯明翰大学
引用: AI从横向流测试(2022年，10月18日)中进行猜测(2022年10月21日从//www.puressens.com/news/2022-10-ai-guesswork-lateral.html检索)
本文件受版权保护。除用于个人学习或研究的公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
