AI-stödd mikroskopi förbättrar upptäckten av intestinala parasitinfektioner i primärvården

En ny studie ledd av forskare vid Uppsala universitet, Karolinska Institutet (KI), Institutet för molekylärmedicin i Finland (FIMM), Helsingfors universitet, Kinondo Kwetu-sjukhuset, Kenya och Muhimbili University of Health and Allied Sciences (MUHAS), Tanzania visar att artificiell intelligens (AI) i kombination med portabel digital mikroskopi avsevärt förbättrar upptäckten av intestinala parasitinfektion, så kallade jordöverförda maskinfektioner/soil transmitted helminths (STH), i resursbegränsade miljöer.

Studien, som publicerats i Scientific Reports, jämför manuell mikroskopi med två AI-baserade metoder – autonom AI och expertverifierad AI – för att diagnostisera maskinfektioner i avföringsprover insamlade från skolbarn i Kwale County i Kenya. STH, där bland annat spolmask (Ascaris lumbricoides), piskmask (Trichuris trichiura) och hakmask ingår, är några av de mest utbredda försummade tropiska sjukdomarna och drabbar över 600 miljoner människor globalt.

Den AI-baserade metoden använde portabla mikroskopskannrar och djupinlärningsalgoritmer för att analysera digitaliserade Kato-Katz-preparat. Av 704 analyserbara prover detekterade den expertverifierade AI:n fler maskinfektioner än traditionell manuell mikroskopi – särskilt vid lågintensiva infektioner, innehållande så få parasitägg i provet att de ofta förbises. Känsligheten för att upptäcka hakmask, T. trichiura och A. lumbricoides uppgick till 92 %, 94 %, respektive 100 %, med expertverifierad AI, medan specificiteten låg över 97 % för alla arter.

"Vår metod kan möjliggöra förbättrad, snabb och skalbar diagnostik direkt i primärvården – vilket är särskilt viktigt i takt med att förekomsten av STH minskar globalt och känsligare metoder krävs för diagnostik," säger Nina Linder, senior medförfattare och gästprofessor vid Uppsala universitet.

"Den här forskningen visar potentialen av att kombinera portabel bildteknik med AI för att övervinna diagnostiska utmaningar inom global hälsa", säger Johan Lundin, professor och senior medförfattare från KI och FIMM.

"Våra resultat visar att kombinationen av AI och mänsklig expertis kan överträffa både manuell mikroskopi och helt autonoma AI-system – särskilt i detektionen av låggradiga maskinfektioner, som annars riskerar att missas." säger Andreas Mårtensson, medförfattare och professor vid UU.

Det expertverifierade AI-systemet gör det möjligt för lokala experter att bekräfta AI-fynd på under en minut, vilket avsevärt minskar arbetsbördan och samtidigt ökar den diagnostiska träffsäkerheten. "Att expertverifierad AI hade högst känslighet för alla arter visar hur AI kan hjälpa oss hitta nålen (parasitägget) i höstacken – och därmed stärka människans förmåga att optimera diagnostiken," säger Joar von Bahr, doktorand vid KI, FIMM och UU samt förstaförfattare till artikeln.

Studien genomfördes i samarbete med vetenskapliga sammarbetspartner i Kenya, Finland och Tanzania, och finansierades av Erling-Perssons stiftelse, Vetenskapsrådet samt flera privata stiftelser i Finland.

Resultaten markerar ett viktigt framsteg i användningen av AI för att förbättra diagnostiken vid försummade tropiska sjukdomar så som STHoch understryker UUs och partnerinstitutionernas ledande roll inom global digital hälsoinnovation.

Läs hela artikeln: https://doi.org/10.1038/s41598-025-07309-7