Revolutionärer Smartphone-Algorithmus ermöglicht präzise Krankheitsdiagnose

• Neuer Smartphone-Imaging-Algorithmus erlaubt Untrainierten Analyse komplexer Assays: HIV, Ovarialkrebs-Antigene, Tuberkulose-DNA.
• Funktioniert durch Erzeugung mittlerer Pixelintensität mit geringer Varianz und hohem Dynamikbereich.

Smartphones entwickelten sich zu hochfähigen Evaluationsgeräten für diverse Anwendungen: Farbmetrische Tests, Lateral-Flow-Assays, Zytometrische Analysen, Handy-Mikroskopie. Attraktiv, da sie leistungsstarke Verarbeitung, sophistizierte Sensoren, Wireless-Konnektivität in kompaktem Gerät vereinen.

Nicht mehr nur für Selfies – attraktive Option für medizinische Diagnose in spezifischen Settings. Erlauben Unerfahrenen, Daten zu sammeln und an Mediziner zu senden.

Vor diesem Hintergrund schufen Florida Atlantic University Forscher neuen Smartphone-Imaging-Algorithmus, der Untrainierten Analyse von Assays ermöglicht, die sonst durch intrinsisch komplexe, leistungsstarke Spektroskopie evaluiert werden.

Wie haben sie es gemacht?

Onboard-Kamerahardware existierender Handys nicht smart genug – schränkt Gerätenutzung ein. Für genaue Ergebnisse wird externe Hardware genutzt.

Heutige Handy-Kameras designed für bessere Bildoptik statt quantitativer Bildbewertung. Viele biochemische Assays haben kein wiederholbares, robustes Smartphone-Analogon.

In dieser Studie entwickelten Forscher Smartphone-basierte Bildvorverarbeitungstechnik, die mittlere Pixelintensität (MPI) mit kleineren Varianzen und breiterem Dynamikbereich als konventionelle Techniken erzeugt.

Während Smartphone-Bilder nativ als RGB-Pixelintensitätsgruppen gespeichert sind, nutzt neue Methode Sättigungsparameter des HSV-Farbraums (Farbton, Sättigung, Farbe) für Point-of-Care-Diagnose.

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

Sättigungsanalyse wird nicht von limitierenden Faktoren beeinflusst: variierende Lichtlevel, Schattierung, Umgebungslichtschwankungen. Tatsächlich verbessert Methode Praktikabilität, Wiederholbarkeit, Foto-Capture-Rauschunterdrückung, reduziert Equipment-Overhead für bildbasierte Point-of-Care-Tests.

Ergebnisse

Team analysierte 10.000+ Bilder: Algorithmus übertraf konsistent alle bestehenden Methoden unter verschiedenen Feldszenarien. Bilder aufgenommen mit 3 Smartphones: Samsung Galaxy Edge 7, iPhone 6, Moto G (12, 12, 5 MP).

Diagnostische Assay-Bilder per Handy-Kamera, Region of Interest (ROI) in HSV transformiert, dann MPI-Analyse für Konzentration/Absorption | Mit freundlicher Genehmigung der Forscher

Sie maßen Algorithmus-Performance, testeten Sensitivität auf Kameradistanz, Bewegung, Neigung, Aufnahmen unter verschiedenen Bedingungen, untersuchten Konzentrationsantwort, Histogrammcharakteristika. Auch Umgebungslichtlevel, Sättigungseigenschaften, Nachweisgrenze, RGB-Farbraum-Beziehung analysiert.

Vergleich Sättigungsanalyse vs. traditionelle RGB-Methoden: Technik steigerte Performance (empirisch & analytisch) bei Umgebungslichtrauschen.

Ideale Aufnahmebedingungen demonstriert: Einfarbiger weißer Hintergrund, konstantes Weißlicht, null Winkelverschiebung, Mindestabstand zur Probe.

Algorithmus angewendet auf Enzyme-Linked Immunosorbent Assay (ELISA) – biochemischer Assay für Identifikation/Quantifizierung von Antikörpern, Proteinen, Peptiden, Hormonen. Ergebnis: Sättigungsanalyse ermöglichte präzise, gerätefreie HIV-Untersuchung.

Weiterlesen: Linearer Algorithmus ortet Smartphones ohne GPS

Forscher planen Algorithmus weiter zu verbessern für schnelle, präzise, kostengünstige Diagnose.