
Credit: ACS Nano (2022). DOI: 10.1021/acsnano.2c10159
Wetenschappers hebben een diagnostische test ter wereld ontwikkeld, aangedreven door kunstmatige intelligentie, die bekende respiratoire virussen binnen vijf minuten kan identificeren met slechts één neus- of keeluitstrijkje. De nieuwe diagnostische test zou de huidige methoden kunnen vervangen die beperkt zijn tot het testen op slechts één infectie – zoals een laterale flowtest voor COVID-19 – of anders ofwel laboratoriumgebaseerd en tijdrovend of snel en minder nauwkeurig zijn.
De nieuwe methode voor virusdetectie en -identificatie wordt beschreven in een paper gepubliceerd in ACS Nanogeschreven door DPhil-student Nicolas Shiaelis van het Department of Physics samen met corresponderende auteurs Professor Achillefs Kapanidis van het Department of Physics en Dr. Nicole Robb van de University of Warwick en gastdocent aan het Department of Physics van Oxford.
De paper laat zien hoe machine learning de efficiëntie, nauwkeurigheid en tijd die nodig is om niet alleen verschillende soorten virussen te identificeren, maar ook om onderscheid te maken tussen stammen aanzienlijk kan verbeteren.
Baanbrekende testtechnologie
Nicolas Shiaelis en Dr. Robb werkten samen met het John Radcliffe Hospital om de nieuwe methode te valideren die AI-software gebruikt om virussen te identificeren. De baanbrekende testtechnologie combineert moleculaire labeling, computervisie en machine learning om een universeel diagnostisch beeldvormingsplatform te creëren dat rechtstreeks naar een patiëntenmonster kijkt en binnen enkele seconden kan identificeren welke ziekteverwekker aanwezig is, vergelijkbaar met gezichtsherkenningssoftware, maar dan voor bacterieën.
Voorlopig onderzoek toonde aan dat deze test het COVID-19-virus in patiëntmonsters kon identificeren en verder onderzoek wees uit dat de test kon worden gebruikt om meerdere luchtweginfecties te diagnosticeren.
In de studie begonnen de onderzoekers met het labelen van virussen met enkelstrengs DNA in meer dan 200 klinische monsters van het John Radcliffe Hospital. Afbeeldingen van gelabelde monsters werden vastgelegd met behulp van een commerciële fluorescentiemicroscoop en verwerkt door aangepaste machine-learning software die is getraind om specifieke virussen te herkennen door hun fluorescentielabels te analyseren, die voor elk virus anders verschijnen omdat hun oppervlaktegrootte, vorm en chemie variëren.
De resultaten tonen aan dat de technologie in staat is om snel verschillende soorten en stammen van respiratoire virussen te identificeren, waaronder griep en COVID-19, binnen vijf minuten en met >97% nauwkeurigheid.
Point-of-care testen
In 2021 richtten Nicolas Shiaelis en Dr. Robb de spin-out van de Universiteit van Oxford, Pictura Bio, op die nu licenties voor de technologie heeft. “Ons doel bij Pictura Bio is om de methode om te zetten in een diagnostische test door een speciale imager en cartridge voor eenmalig gebruik te maken voor gebruik in point-of-care-testen, met beperkte input van de gebruiker”, legt Nicolas Shiaelis uit. “We breiden ook het aantal virussen uit waarop de modellen worden getraind en zullen uiteindelijk gaan kijken naar andere ziekteverwekkers, zoals bacteriën en schimmels, in ademhalingsmonsters, bloed en urine.”
Dr. Robb vervolgt: “Gevallen van luchtweginfecties in de winter van 2022/23 hebben recordhoogtes bereikt, waardoor het aantal mensen dat medische hulp zoekt, is toegenomen. Dit in combinatie met de COVID-19-achterstand, personeelstekorten, krappere budgetten en een vergrijzende bevolking zet de NHS en haar personeel onder enorme en onhoudbare druk.”
Snel, voordelig en nauwkeurig
“Onze vereenvoudigde methode van diagnostisch testen is sneller en kosteneffectiever, nauwkeuriger en toekomstbestendig dan alle andere tests die momenteel beschikbaar zijn. Als we een nieuw virus willen detecteren, hoeven we alleen maar de software opnieuw te trainen om het te herkennen, in plaats van een geheel nieuwe test ontwikkelen. Onze bevindingen tonen het potentieel van deze methode aan om een revolutie teweeg te brengen in de virale diagnostiek en ons vermogen om de verspreiding van aandoeningen van de luchtwegen onder controle te houden.”
Nicolas Shiaelis concludeert: “Het is onvermijdelijk dat er andere COVID-achtige virussen zullen opduiken. Dit versterkt de behoefte aan meer geavanceerde diagnostische testtechnologie, zodat we de impact van nieuwe virussen op de volksgezondheid en de NHS kunnen verminderen.”
Meer informatie:
Nicolas Shiaelis et al., Virusdetectie en -identificatie in minuten met behulp van single-particle imaging en deep learning, ACS Nano (2022). DOI: 10.1021/acsnano.2c10159
Tijdschrift informatie:
ACS Nano
Aangeboden door de Universiteit van Oxford