Neuer Smartphone-Algorithmus kann Krankheiten genau diagnostizieren

• Ein neuartiger Smartphone-Bildgebungsalgorithmus ermöglicht es ungeübten Benutzern, komplexe Assays wie HIV, Eierstockkrebs-Antigene und Tuberkulose-DNA zu analysieren.
• Es funktioniert, indem es eine mittlere Pixelintensität mit kleinen Varianzen und einem hohen Dynamikbereich erzeugt.

Smartphones haben sich als hochleistungsfähige Auswertegeräte für verschiedene Anwendungen wie kolorimetrische Tests, Lateral-Flow-Assays, zytometrische Analysen und Handy-Mikroskopie erwiesen. Sie sind eine praktikable Option, da sie leistungsstarke Verarbeitungsfunktionen, ausgeklügelte Sensoren und drahtlose Konnektivität in einem kleinen Gerät vereinen.

Diese Geräte sind nicht mehr nur für Selfies gedacht, sondern haben sich zu einer attraktiven Option für die Diagnose von Erkrankungen in bestimmten Umgebungen entwickelt. Sie ermöglichen es unerfahrenen Personen, Daten zu sammeln und an medizinisches Fachpersonal zu senden.

Unter Berücksichtigung all dieser Smartphone-Funktionen haben Forscher der Florida Atlantic University einen neuartigen Smartphone-Bildgebungsalgorithmus entwickelt, der es ungeübten Benutzern ermöglicht, Assays zu analysieren, die normalerweise mit einer intrinsisch komplexen und leistungsstarken Technik namens Spektroskopie ausgewertet werden.

Wie haben sie es gemacht?

Die Onboard-Kamera-Hardware vorhandener Mobiltelefone ist nicht intelligent genug, was den Gerätenutzen einschränkt. Um diese Einschränkungen zu beheben und genaue Ergebnisse zu erhalten, wird externe Hardware verwendet.

Heute sind alle Handykameras auf eine bessere Bilddarstellung statt auf quantitative bildbasierte Auswertungen ausgelegt. Darüber hinaus fehlt vielen biochemischen Assays ein wiederholbares und robustes Smartphone-Analogon.

In dieser Studie entwickelten Forscher eine Smartphone-basierte Bildvorverarbeitungstechnik, die eine mittlere Pixelintensität (MPI) mit geringeren Varianzen und einem größeren Dynamikbereich im Vergleich zu herkömmlichen Techniken generiert.

Während Smartphone-Bilder nativ als Gruppen von RGB-Pixelintensitäten gespeichert werden, verwendet die neue Methode die Sättigungsparameter des HSV-Raums (Farbton, Sättigung, Farbe), um eine Point-of-Care-Diagnose zu ermöglichen.

Referenz:Analyst (RSC) | doi:10.1039/C8AN02521E | FAU

Die Sättigungsanalyse wird nicht durch wesentliche einschränkende Faktoren wie unterschiedliche Lichtstärken, Schattierung und Variationen der Umgebungsbeleuchtung verändert. Tatsächlich verbessert die Methode die Praktikabilität, Wiederholbarkeit und Rauschunterdrückung bei der Fotoaufnahme und reduziert gleichzeitig den Geräteaufwand für bildbasierte Point-of-Care-Tests.

Ergebnisse

Das Team analysierte über 10.000 Bilder und stellte fest, dass ihr Algorithmus alle anderen bestehenden Methoden unter verschiedenen Operationsfeldszenarien durchweg übertraf. Sie nahmen alle Bilder mit 3 Smartphones auf:Samsung Galaxy Edge 7, iPhone 6 und Moto G mit 12, 12 bzw. 5 MP Kamera.

Diagnose-Assay-Bilder werden durch die Kamera eines Telefons aufgenommen und die Region of Interest (ROI) wird in HSV umgewandelt. Anschließend wird eine MPI-Analyse durchgeführt, um die Konzentration und Extinktion der Probe zu bestimmen. | Mit freundlicher Genehmigung der Forscher 

Sie maßen die Leistung des Algorithmus, testeten die Empfindlichkeit gegenüber Kameraentfernung, -bewegung und -neigung, nahmen Bilder unter verschiedenen Bedingungen auf und untersuchten die Konzentrationsreaktion und die Histogrammeigenschaften. Außerdem analysierten sie die Umgebungsbeleuchtung, die Sättigungseigenschaften, die Erkennungsgrenze und die Beziehung zum RGB-Farbraum (Rot, Grün, Blau).

Nach dem Vergleich der Sättigungsanalyse mit herkömmlichen RGB-Methoden bestätigten die Forscher, dass ihre Technik die Leistung (sowohl empirisch als auch analytisch) bei Umgebungslichtrauschen verbessert.

Sie demonstrierten auch die idealen Bedingungen für die Aufnahme von Bildern, darunter ein schlichter weißer Hintergrund, konsistentes weißes Licht, keine Winkelverschiebung des Smartphones und ein minimaler Abstand zur Probe.

Sie wandten ihren Algorithmus auf einen analytischen biochemischen Assay an, den sogenannten Enzyme-Linked Immunosorbent Assay, der speziell für die Identifizierung und Quantifizierung von Substanzen wie Antikörpern, Proteinen, Peptiden und Hormonen entwickelt wurde. Den Ergebnissen zufolge ermöglichte die Sättigungsanalyse eine genaue, gerätefreie Untersuchung auf HIV.

Lesen Sie:Ein linearer Algorithmus, der Smartphones ohne GPS orten kann

Forscher planen, ihren Algorithmus weiter zu verbessern, um den Diagnoseprozess schnell, präzise und kostengünstig zu gestalten.