Een combinatie van AI en draagbare digitale microscopie kan een belangrijke doorbraak betekenen in de diagnose van parasitaire infecties in omgevingen met beperkte middelen. Dat blijkt uit recent onderzoek van het Karolinska Institutet, gepubliceerd in Scientific Reports. Door AI in te zetten bij de analyse van ontlastingsmonsters van schoolkinderen in Kenia, wisten de onderzoekers de detectie van zogeheten bodemgebonden worminfecties (STH) aanzienlijk te verbeteren ten opzichte van traditionele microscopie.
STH-infecties, waaronder rondwormen, haakwormen en zweepwormen, behoren tot de meest voorkomende verwaarloosde tropische ziekten. Wereldwijd zijn er ruim 600 miljoen mensen mee besmet, vooral in gebieden waar de toegang tot laboratoriumdiagnostiek beperkt is. Voor kinderen kunnen deze infecties leiden tot bloedarmoede, groeiachterstanden en leerproblemen. Vroege en betrouwbare diagnose is essentieel voor effectieve behandeling en preventie.
AI-microscopie
De studie vergeleek drie methoden: klassieke handmatige microscopie, volledig autonome AI-diagnostiek en een AI-systeem dat wordt gevalideerd door lokale experts. Vooral deze laatste methode bleek krachtig: met slechts één minuut menselijke verificatie werden detectiepercentages van 92 procent (haakwormen), 94 procent (zweepwormen) en zelfs 100 procent (rondwormen) gehaald. Dat is significant beter dan bij handmatige analyse, die met name bij lichte infecties vaak tekortschiet.
“Deze aanpak toont aan hoe AI in combinatie met draagbare technologie langdurige diagnostische knelpunten in de mondiale gezondheidszorg kan helpen oplossen,” aldus prof. Johan Lundin van het Karolinska Institutet.
Schaalbare oplossing
Dankzij de korte analysetijd van ongeveer 15 minuten per monster en minimale expertinput biedt deze technologie een schaalbare oplossing voor diagnostiek aan het bed of in het veld, precies daar waar traditionele infrastructuur ontbreekt. Dit maakt het bijzonder geschikt voor toepassing in eerstelijnsgezondheidszorg in lage- en middeninkomenslanden.
“Naarmate de wereldwijde prevalentie van worminfecties daalt, is gevoelige diagnostiek belangrijker dan ooit. Onze methode combineert snelheid, precisie en toepasbaarheid in resource-limited settings”, vertelt professor Nina Linder van de Universiteit van Uppsala. De technologie benadrukt het potentieel van AI-gedreven oplossingen voor mondiale gezondheidsuitdagingen, met directe impact op preventie, diagnostiek en beleidsvoering.
Microscopie technologie
Wetenschappers van de Universiteit Maastricht hebben enkele jaren geleden een baanbrekende multispectrale microscopietechniek ontwikkeld waarmee tot vijftien celtypen tegelijkertijd in weefsels in kaart gebracht kunnen worden. Door cellen te analyseren als licht via een prisma, krijgt elk celtype een unieke 'kleurcombinatie', wat de resolutie flink verbetert ten opzichte van traditionele methoden die slechts vijf typen onderscheiden.
De techniek maakt bovendien duidelijk welke cellen naast elkaar liggen, zogenoemde cell communities, en maakt duidelijk hoe interacties met bijvoorbeeld ontstekingscellen de omgeving beïnvloeden. Dit biedt nieuwe mogelijkheden om ziekteprocessen zoals aderverkalking en kanker vanuit een moleculair perspectief te bestuderen, met potentieel voor gerichte behandelingen. De eerste resultaten werden in 2022 gepubliceerd in Cell Metabolism, en de methode opent de deur naar verfijnde weefseldiagnostiek en gepersonaliseerde zorg.
In een ander onderzoek, van Amerikaanse bio-ingenieurs, werd de PUV‑PAM microscopietechniek gepresenteerd. Daarmee wordt tumoranalyse tijdens operaties mogelijk gemaakt. Anders dan de traditionele aanpak, waarbij biopten eerst ingevroren, gekleurd en versneden moeten worden, kunnen weefselmonsters nu direct in de operatiekamer beoordeeld worden zonder die voorbereiding. Dankzij de nieuwe techniek zijn analyses tot 40 keer sneller: een positie van 1 cm² kan binnen ongeveer vijf minuten met 1,3 µm resolutie in beeld worden gebracht. Dit biedt chirurgen realtime feedback om volledige tumorverwijdering te realiseren tijdens oncologische ingrepen.
