IA elimina las conjeturas de las pruebas de flujo lateral

Un equipo de investigadores de la Universidad de Birmingham (Birmingham, Reino Unido), la Universidad de Durham (Durham, Reino Unido) y la Universidad de Oxford (Oxford, Reino Unido), probaron si un algoritmo de aprendizaje automático podría mejorar la exactitud de los resultados de los dispositivos de flujo lateral para la determinación de antígenos para la COVID-19. El equipo del Consorcio de IA para las pruebas de flujo lateral trabajó en los centros de pruebas asistidos por la Agencia de Seguridad Sanitaria del Reino Unido y con trabajadores de la salud que realizaron autoevaluaciones para probar la aplicación de IA. Se enviaron más de 100.000 imágenes como parte del estudio, y el equipo descubrió que el algoritmo podía aumentar la sensibilidad de los resultados, diferenciando un verdadero positivo de un falso negativo, pasando del 92 % al 97,6 % de exactitud.

“El uso generalizado de dispositivos de flujo lateral para la determinación de antígenos fue un momento significativo no solo durante la pandemia, sino que también introdujo las pruebas de diagnóstico a muchas más personas en la sociedad. Uno de los inconvenientes de las pruebas de flujo lateral para COVID, embarazo y cualquier otro uso futuro, es la interpretación de la ‘línea débil’, en la que no podemos saber si es positivo o no”, dijo el profesor Andrew Beggs, profesor de Genética y Cirugía del Cáncer en la Universidad de Birmingham y autor principal del estudio. “El estudio analizó la viabilidad de usar el aprendizaje automático para eliminar las conjeturas de las pruebas de líneas débiles, y nos complace ver que la aplicación vio un aumento en la sensibilidad de las pruebas, reduciendo la cantidad de falsos negativos. La promesa de este tipo de tecnología podría ser utilizada en muchas aplicaciones, tanto para reducir la incertidumbre sobre los resultados de las pruebas como para brindar un apoyo crucial a las personas con discapacidad visual”.

“El aumento de la sensibilidad y la exactitud general es significativo y muestra el potencial de esta aplicación al reducir la cantidad de falsos negativos y de futuras infecciones. Fundamentalmente, el método también se puede adaptar fácilmente a la evaluación de otros lectores digitales para dispositivos de tipo de flujo lateral”, agregó la profesora, Camila Caiado, profesora de estadística en la Universidad de Durham y jefa de estadísticas del proyecto.

Enlaces relacionados:
Universidad de Birmingham
Universidad de Durham
Universidad de Oxford