Noul基于人工智能的疟疾诊断解决方案已在国际学术期刊上得到验证。

Noul株式会社（代表理事长林灿阳，以下简称“Noul”）宣布，其疟疾诊断解决方案“miLab™ MAL”的AI诊断性能最新研究成果已发表在临床医学领域国际学术期刊《临床微生物学杂志》上。该研究由Noul与美国最大的诊断实验室连锁机构Labcorp合作开展。

本研究基于美国LabCorp参考实验室采集的409份血液样本，将标准显微镜检查结果与Noul的miLab™ MAL诊断结果进行了比较。样本来自五个地区实验室：北卡罗来纳州、南卡罗来纳州、弗吉尼亚州、哥伦比亚特区和马里兰州。

研究结果表明，miLab™ MAL 的诊断性能优于标准显微镜，灵敏度、特异性、阳性预测值 (PPV) 和阴性预测值 (NPV) 均达到 100%。标准显微镜的灵敏度为 81.8%，特异性为 100%，阳性预测值为 100%，阴性预测值为 99.5%。

此外，miLab™ MAL 还能识别标准显微镜检查遗漏的所有假阴性病例。在研究中，标准显微镜检查员将 408 个样本中的 399 个诊断为阴性，9 个诊断为阳性，而 miLab™ MAL 则将相同的样本中 397 个诊断为阴性，11 个诊断为阳性。对两个显微镜检查结果为阴性的样本进行了重新检查，结果发现这两个样本的寄生虫感染水平都非常低（<0.1%）。

miLab™ MAL 可分析 20 万个红细胞来识别寄生虫，提供的数据量比仅检测 1000 个红细胞的标准显微镜检查高出约 200 倍。先前的研究表明，标准显微镜检查可能会漏诊超过 25% 的疟疾病例，这使得 miLab™ MAL 成为一种突破性的工具，能够在低寄生虫环境中提供高诊断准确性。

自疫情爆发以来，随着国际旅行的增加，输入非疟疾疫区的疟疾病例也稳步增加。美国在2018年记录了1,823例输入性疟疾病例，为过去20年来的最高值。2023年，佛罗里达州、马里兰州和德克萨斯州等一些州报告了异常感染病例。这种情况凸显了对基于人工智能的疟疾诊断解决方案的需求，例如Noul的miLab™ MAL。

• 查看更多相关文章