Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Medical application based on Artificial Intelligence improves the accuracy of HIV tests

Científicos han desarrollado una nueva herramienta móvil basada en Inteligencia Artificial (IA), que mejoraría la interpretación de resultados de pruebas de VIH.

Se trata de una aplicación móvil basada en IA que ha conducido una prueba piloto en KwaZulu-Natal, Sudáfrica, cuyos resultados han sido favorables al identificar al 97.8% de los VIH positivos y 100% de los negativos.

“Los hallazgos demuestran el potencial del aprendizaje profundo para una clasificación precisa, ya sea positiva o negativa, de las pruebas de diagnóstico rápido”, explicó Rachel McKendry, coautora del estudio y profesora de biomedicina y nanotecnología en la University College London.

McKendry explicó también que el rendimiento general de 98.9% es mejor que las interpretaciones visuales tradicionales. La coautora detalló que el estudio comenzó a realizarse en 2017, y el objetivo fue desarrollar una herramienta de diagnóstico de VIH de bajo costo, fácil de usar y conectada a teléfonos móviles.

El proceso de investigación requirió de mucho trabajo y colaboración entre los involucrados. alrededor de 60 trabajadores de campo del África Health Research Institute, construyeron una biblioteca de más de 11 mil imágenes de pruebas de VIH. Gracias a estos datos el algoritmo fue entrenado para clasificar las pruebas como positivas o negativas.

“Creemos que nuestra biblioteca de imágenes del mundo real de 11.000 imágenes adquiridas en el campo es la primera de su tipo a esta escala y nuestro estudio demuestra que los modelos de aprendizaje profundo se pueden implementar con dispositivos móviles en el campo, sin la necesidad de otros accesorios”, explicó McKendry.

Sin embargo, también reconoció la importancia de ampliar la biblioteca de imágenes e incluir más regiones de África subsahariana, para lograr un programa de control del VIH en esa región del continente.

Related Content

Secured By miniOrange