用于粪便中胃肠道蠕虫显微检测的AI预测性ParaScout体外诊断系统的开发与验证

检测胃肠道感染的全面方法仍然是粪便标本的显微镜检查。然而，人工显微镜检查费力且准确性高度依赖于观察者。因此，我们开发了一种与数字显微镜扫描仪集成的深度学习方法，用于检测数字图像中的胃肠道蠕虫，从而实现更快、更精确的检测。开发了一种新型体外诊断系统，该系统由一个价格合理、市售的显微镜扫描仪和一个基于云的深度学习算法组成，用于准确识别粪便中的胃肠道蠕虫。将ParaScout系统的性能与4名专家技术员的人工检查进行了比较，使用了50份经过验证的粪便标本，这些标本要么不含胃肠道蠕虫，要么含有一到多种ParaScout系统已训练识别的15种胃肠道蠕虫物种。在45份阳性粪便标本中，存在63个胃肠道蠕虫物种，因此，4名技术员的检查理论上可得出252次识别。人工检查总共产生了16个假阴性和11个假阳性结果，灵敏度为93.7%，特异性为99.6%。当使用ParaScout来高亮疑似结构以供人类专家确认时，这些值分别提高到98.8%和99.9%。本研究表明，自动化扫描结合深度学习算法可以高灵敏度地检测粪便样本中的胃肠道蠕虫，如果结合专家确认，则假阳性检测最少。这种方法在患者诊断中自动化和提高胃肠道蠕虫检测质量方面显示出巨大前景。