Innowacje w diagnostyce jaglicy – sztuczna inteligencja i testy terenowe

Diagnostyka jaglicy napotyka na liczne wyzwania, które utrudniają dokładne rozpoznawanie i monitorowanie tej choroby, szczególnie w kontekście globalnych programów eliminacji. Główne problemy dotyczą słabej korelacji między objawami klinicznymi a obecnością infekcji oraz potrzeby opracowania prostych, tanich i niezawodnych testów diagnostycznych12.

Problemy z korelacją objawów i infekcji

Jednym z głównych wyzwań w diagnostyce jaglicy jest słaba korelacja między objawami klinicznymi a rzeczywistą infekcją Chlamydia trachomatis. Obecność objawów klinicznych aktywnej jaglicy (TF i TI) jest słabo skorelowana z wykryciem infekcji, szczególnie po masowym podawaniu leków, gdzie objawy kliniczne mają tendencję do przeszacowywania rozpowszechnienia w stosunku do infekcji2.

Objawy kliniczne nie wskazują koniecznie na obecność lub brak infekcji C. trachomatis, szczególnie gdy rozpowszechnienie choroby spada. Rozpowszechnienie ocznej infekcji C. trachomatis (na poziomie społeczności) jest ważne, ponieważ to infekcja jest celem, gdy antybiotyki są rozprowadzane w kampaniach kontroli jaglicy1.

Kluczowy problem: W obecności braku odpowiedniego testu na infekcję, diagnoza jaglicy pozostaje zależna od objawów klinicznych. Zgodnie z obecnymi zaleceniami WHO, prawdopodobnie prowadzi to do kontynuowania masowego leczenia społeczności niezakażonych.

Potrzeba testów „point-of-care”

Istnieje pilna potrzeba szybkiego, niezawodnego testu na C. trachomatis, aby pomóc w pomiarze postępu w kierunku eliminacji jaglicy. W celu oceny wpływu społecznościowej dystrybucji antybiotyków, powszechnie znanej jako masowe podawanie leków (MDA), przeprowadza się nadzór jaglicy za pomocą badania fizycznego oka. Ta metoda diagnozy jest akceptowalna dla wczesnych programów kontroli; jednak w miarę zbliżania się do eliminacji jaglicy potrzebne są bardziej czułe i specyficzne narzędzia diagnostyczne3.

Opracowano prototypowy test typu „point-of-care” (POC) do diagnozy terenowej ocznej C. trachomatis w środowiskach o niskim rozpowszechnieniu w Gambii i Senegalu. Czułość prototypowego testu POC wynosiła między 33,3-67,9%, specyficzność między 92,4-99,0%, wartość predykcyjna dodatnia między 4,3-21,0%, a wartość predykcyjna ujemna między 98,0-99,8%. W obecnym formacie ten prototypowy test POC nie jest odpowiedni do diagnozy terenowej ocznej C. trachomatis, ponieważ jego specyficzność zmniejsza się w gorących i suchych warunkach4.

Innowacyjne technologie diagnostyczne

Molekularny, oparty na chipie szybki test do diagnozy infekcji ocznej jaglicy opracowany w Instytucie Fraunhofera okazał się obiecujący w pierwszych badaniach. DjinniChip okazał się łatwy w obsłudze i dostarczał szybkie wyniki nawet w terenie. Za pomocą DjinniChip wiele przypadków infekcji i braku infekcji Chlamydia trachomatis zostało poprawnie zdiagnozowanych w badaniu. Jednak system testowy nie wykazał jeszcze oczekiwanej wysokiej czułości, co oznacza wykrywanie przypadków dodatnich jako dodatnie5.

Test oparty na 16S RNA, urządzenie zamkniętego systemu oparte na wizualnej detekcji kwasu nukleinowego na pasku, oferuje kilka zalet i dzięki swojej wrodzonej czułości i termostabilności ma potencjał, aby sprostać tej potrzebie. Szybki, prosty i przystępny cenowo test POC zdolny do dokładnej identyfikacji aktywnej infekcji byłby jednak użytecznym narzędziem w kontroli jaglicy6.

Sztuczna inteligencja w diagnostyce jaglicy

Badania jaglicy wykorzystują się do szacowania rozpowszechnienia zapalenia pęcherzykowego jaglicy (TF) w celu kierowania masową dystrybucją antybiotyków. Opracowano i oceniono modele uczenia maszynowego mające na celu zmniejszenie kosztów i poprawę niezawodności tych badań7.

Model klasyfikacyjny przewidywał rozpowszechnienie TF na poziomie 32%, co nie różniło się istotnie od szacunku konsensusu ludzkiego (30%). Głębokie konwolucyjne modele sieci neuronowych dobrze radziły sobie z klasyfikacją TF i wykrywaniem liczby pęcherzyków widocznych na zdjęciach spojówki. Wdrożenie podobnych modeli może umożliwić dokładne, wydajne badania przesiewowe jaglicy na dużą skalę7.

Przełom technologiczny: Szacunek modelu klasyfikacyjnego dotyczący rozpowszechnienia TF w tej populacji nie różnił się istotnie od konsensusu ekspertów-oceniających obrazy ludzkich. Ogólnie rzecz biorąc, te odkrycia sugerują, że podobne modele głębokiego uczenia mogą odgrywać rolę w kierowaniu masową dystrybucją azytromycyny w celu osiągnięcia eliminacji jaglicy.

Wyzwania w obszarach o niskim występowaniu

Diagnoza jaglicy w obszarach o niskim endemiczności może być znacznie trudniejsza, chociaż ciężkie bliznowacenie tarczki, pannus rogówki z dołkami Herberta i odwrócenie górnej powieki są patognomoniczne w każdym otoczeniu. Szybkie oceny są użyteczne do potwierdzenia braku jaglicy, ale nie określają wielkości problemu w społecznościach, gdzie jaglica jest obecna18.

Nowe protokoły szybkiej oceny zawierające techniki uzyskiwania reprezentatywnych próbek populacji (bez przygotowania spisu) mogą dać lepsze szacunki rozpowszechnienia klinicznej jaglicy. Wymagane są metody do szacowania rozpowszechnienia infekcji1.

Przyszłość diagnostyki jaglicy

Istnieje zatem ciągła potrzeba testu diagnostycznego „ASSURED” (dostępnego, czułego, specyficznego, przyjaznego użytkownikowi, szybkiego i solidnego, wolnego od sprzętu i dostarczanego), który można przeprowadzić w kraju po minimalnym szkoleniu, w celu zapewnienia szacunków rozpowszechnienia na poziomie społeczności do kierowania wysiłkami eliminacji2.

Opracowywany jest profil produktu docelowego (TPP) dla rozwoju nowej technologii diagnostycznej, która ułatwia dokładną decyzję o zatrzymaniu fazy masowego podawania leków. Ten TPP koncentruje się na opracowaniu szybkiego testu diagnostycznego z przepływem bocznym (RDT), który wykrywa antygeny jaglicy9.

Pytania i odpowiedzi

Dlaczego objawy jaglicy nie zawsze korelują z infekcją?

Jaglica to choroba o podłożu immunologicznym, gdzie objawy kliniczne mogą utrzymywać się znacznie dłużej niż sama infekcja. Po masowym leczeniu objawy mogą przeszacowywać rzeczywiste rozpowszechnienie infekcji.

Czym są testy „point-of-care” w diagnostyce jaglicy?

To proste, szybkie testy diagnostyczne, które można przeprowadzić bezpośrednio w terenie bez skomplikowanego sprzętu laboratoryjnego. Mają na celu ułatwienie diagnozy w obszarach endemicznych.

Jak sztuczna inteligencja może pomóc w diagnostyce jaglicy?

Modele uczenia maszynowego mogą analizować zdjęcia spojówki i automatycznie wykrywać oznaki jaglicy z dokładnością porównywalną do ekspertów ludzkich, co może usprawnić badania przesiewowe na dużą skalę.

Jakie są główne wyzwania w opracowaniu nowych testów diagnostycznych?

Główne wyzwania to opracowanie testów, które będą jednocześnie tanie, proste w użyciu, dokładne i odporne na trudne warunki środowiskowe typowe dla obszarów endemicznych jaglicy.

Reklama
Reklama