한빛사논문
- 조회803
Seungmin Lee1,2,9, Sunmok Kim1,9, Dae Sung Yoon2,3,4,9, Jeong Soo Park1, Hyowon Woo1, Dongho Lee5, Sung-Yeon Cho6,7, Chulmin Park6, Yong Kyoung Yoo8 , Ki-Baek Lee1 & Jeong
Hoon Lee1
1Department of Electrical Engineering, Kwangwoon University, 20 Kwangwoon-ro, Nowon, Seoul 01897, Republic of Korea.
2School of Biomedical Engineering, Korea University, 145 Anam-ro, Seongbuk, Seoul 02841, Republic of Korea.
3Interdisciplinary Program in Precision Public Health, Korea University, Seoul 02841, Republic of Korea.
4Astrion Inc, Seoul 02841, Republic of Korea.
5CALTH Inc., Changeop-ro 54, Seongnam, Gyeonggi 13449, Republic of Korea.
6Vaccine Bio Research Institute, College of Medicine, The Catholic University of Korea, Seoul, Republic of Korea.
7Division of Infectious Diseases, Department of Internal Medicine, College of Medicine, The Catholic University of Korea, Seoul, Republic of Korea.
8Department of Electronic Engineering, Catholic Kwandong University, 24, Beomil-ro 579 beon-gil, Gangneung-si, Gangwon-do 25601, Republic of Korea.
9These authors contributed equally: Seungmin Lee, Sunmok Kim, Dae Sung Yoon.
Corresponding authors : Correspondence to Yong Kyoung Yoo , Ki- Baek Lee or Jeong Hoon Lee.
Abstract
Since many lateral flow assays (LFA) are tested daily, the improvement in accuracy can greatly impact individual patient care and public health. However, current self-testing for COVID-19 detection suffers from low accuracy, mainly due to the LFA sensitivity and reading ambiguities. Here, we present deep learning-assisted smartphone-based LFA (SMARTAI-LFA) diagnostics to provide accurate decisions with higher sensitivity. Combining clinical data learning and two-step algorithms enables a cradle-free on-site assay with higher accuracy than the untrained individuals and human experts via blind tests of clinical data (n = 1500). We acquired 98% accuracy across 135 smartphone application-based clinical tests with different users/smartphones. Furthermore, with more low-titer tests, we observed that the accuracy of SMARTAI-LFA was maintained at over 99% while there was a significant decrease in human accuracy, indicating the reliable performance of SMARTAI-LFA. We envision a smartphone-based SMARTAI-LFA that allows continuously enhanced performance by adding clinical tests and satisfies the new criterion for digitalized real-time diagnostics.
논문정보
- Research article
- 2023년 04월 (BRIC 등록일 2023-04-26)
- 국내 연구진
- 바이오·의료융합 > 바이오센싱 및 나노바이오물질
관련 웨비나
![딥러닝을 이용한 스마트폰 기반의 고민감도 신속 진단기기 진단 [Nat. Commun]](/upload/board/files/onseminar/thumb/thumb_0000568.png)
학술웨비나
딥러닝을 이용한 스마트폰 기반의 고민감도 신속 진단기기 진단 [Nat. Commun] COVID-19 현장진단으로서 신속 진단기기는 팬데믹, 엔데믹 시대에 하루 수백만회 이상 수행중에 있으며, 현장진단의 정확도/민감도 향상기술은 개별 환자의 치료 및 공중 보건에 큰 영향을 미칠수 있습니다. PCR의 경우 높은 민감도로 표준 진단법으로 자리를 잡고 있으나, 비싼 진단 가격 뿐만 아니라, 바이러스 확산이 크지 않는 회복기 또한 양성으로 진단하기 때문에 불필요한 격리를 필요로 하기도 합니다. 반면 현장 진단 기술로서의 신속진단기기는 값싸고 빠른 진단이 가능함에도 불구하고, 그 민감도가 크게 떨어지는 단점 때문에 응용에 한계를 가지고 있습니다. 본 연구팀은 스마트폰 기반의 진단기술을 통해 한계를 극복하고자 하였으며, 딥러닝 알고리즘을 개발을 통해 클라우드 기반의 AI 진단으로 코로나 양/음성을 판단하는 기술을 개발하였습니다. 본 연구팀은 임상 데이터에 대한 블라인드 테스트 (n=1,500)를 통해 AI를 통한 민감도가 일반인 민감도인 72%에 비해 100%로 크게 증대하는 결과를 얻었고, 특히 무증상 혹은 감염초기 진단에 있어서 민감도가 일반인 51%에 비해 AI 적용시 91%로 크게 증대되었으며, 이를 통해 감염초기 진단이 가능함을 입증하였습니다. 또한 시중에 판매되는 8개의 모델에 대한 앱 기반 테스트 평가 결과 평균 민감도와 특이도는 각각 94.8%와 90.9%가 확인되어 스마트폰 AI의 범용성이 우수함을 보였습니다.- 이승민(고려대학교)
댓글 작성 로그인
팝업 닫기관련 링크
연구자 ID
관련분야 연구자보기
관련분야 논문보기
