ACRObiosystems
 
 

BRIC

검색 닫기

전체 메뉴

팝업 닫기
한빛사  >  한빛사논문

한빛사논문

  • 조회297
이정훈
이정훈Jeong Hoon Lee

광운대학교

Nat. Commun., Feb 24 2024, 15 (1) | https://doi.org/10.1038/s41467-024-46069-2 Rapid deep learning-assisted predictive diagnostics for point-of-care testing

Seungmin Lee 1,2,8, Jeong Soo Park 1,3,8, Hyowon Woo 1,8, Yong Kyoung Yoo 4, Dongho Lee 5, Seok Chung 3, Dae Sung Yoon 2,6,7, Ki-Baek Lee 1 & Jeong Hoon Lee 1,5,*


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.
3School of Mechanical Engineering, Korea University, 145 Anam-ro, Seoungbuk-gu, Seoul 02841, Republic of Korea.
4Department of Electronic Engineering, Catholic Kwandong University, 24, Beomil-ro 579 beon-gil, Gangneung-si, Gangwon-do 25601, Republic of Korea.
5CALTH Inc., Changeop-ro 54, Seongnam, Gyeonggi 13449, Republic of Korea.
6Interdisciplinary Program in Precision Public Health, Korea University, Seoul 02841, Republic of Korea.
7Astrion Inc, Seoul 02841, Republic of Korea.
8These authors contributed equally: Seungmin Lee, Jeong Soo Park, Hyowon Woo.


*Corresponding author: correspondence to Jeong Hoon Lee

Abstract

Prominent techniques such as real-time polymerase chain reaction (RT-PCR), enzyme-linked immunosorbent assay (ELISA), and rapid kits are currently being explored to both enhance sensitivity and reduce assay time for diagnostic tests. Existing commercial molecular methods typically take several hours, while immunoassays can range from several hours to tens of minutes. Rapid diagnostics are crucial in Point-of-Care Testing (POCT). We propose an approach that integrates a time-series deep learning architecture and AI-based verification, for the enhanced result analysis of lateral flow assays. This approach is applicable to both infectious diseases and non-infectious biomarkers. In blind tests using clinical samples, our method achieved diagnostic times as short as 2 minutes, exceeding the accuracy of human analysis at 15 minutes. Furthermore, our technique significantly reduces assay time to just 1-2 minutes in the POCT setting. This advancement has the potential to greatly enhance POCT diagnostics, enabling both healthcare professionals and non-experts to make rapid, accurate decisions.

논문정보

관련 웨비나

스마트폰 딥러닝 AI 기술을 통한 세계 최고 속도의 현장진단 플랫폼 개발 [Nat. Commun.]

학술웨비나

스마트폰 딥러닝 AI 기술을 통한 세계 최고 속도의 현장진단 플랫폼 개발 [Nat. Commun.] 일반적으로 의료 영역에서 빠르고 정확한 진단/스크리닝에 대한 요구가 매우 크며, 이에 기반한 빠른 처방이 요구된다. 예를 들어 심근경색, 패혈증 진단, 응급실에서의 임신여부 판단, 그리고 팬데믹 시의 감염병 진단 등에 있어서 빠른 진단 시간이 필수이지만, 상용화되어 있는 가장 빠른 진단법인 래피드키트조차 일반적으로 15분 이상의 진단 시간이 요구된다. 본 연구에서는 시계열 딥러닝 알고리즘을 통해 현장에서 빠르고 정확하게 진단이 가능하도록 하는 인공지능 기술을 제안하였다. 이를 위해 현장 접근성이 가장 뛰어난 래피드키트의 색변화를 딥러닝을 통해 학습하고, 색변화가 발생하는 초기에 최종반응을 예측하는 알고리즘을 적용하여 높은 민감도 및 정확도로 현장진단이 가능하게 하였다. 특히 비감염성 질환의 대표적인 마커인 심근경색 마커(Troponin I) 및 응급 임신진단테스트(hCG)를 통해 전문가가 15분 이후 진행하는 정확도를 뛰어넘는 결과를 1~2분 만에 가능케 하였다. 본 연구의 핵심기술은 YOLO, CNN(Convolutional neural network)기반 LSTM(Long Short Term Memory)알고리즘 및 완전연결계층(Fully connected layer)으로 구성된 아키텍처와 스마트 AI 기반 검증을 통한 시간효율적 면역 분석법(TIMESAVER)을 통해 구현하였다.
  • 박정수(광운대학교, 고려대학교)

관련 보도자료

스마트폰 딥러닝 AI 기술로 세계 최고 속도의 진단/예측 기술 개발: 심근경색 1~2분내로 판단 가능 광운대학교 이정훈 교수팀(전기공학과)은 조기 진단 딥러닝 알고리즘 (TIMESAVER: Time-Efficient Immunoassay with Smart AI-based Verification) 개발에 성공하였으며, 상용 래피드 키트를 사용하는 현장진단에 있어서 1-2분 내에 전문가 수준 정확도를 확보하였다.
  • Bio통신원
  • 2024. 03. 06
목록

댓글 작성 로그인

팝업 닫기

관련 링크

이정훈 님 전체 논문보기

연구자 키워드

연구자 ID

관련분야 연구자보기

소속기관 논문보기

관련분야 논문보기

해당논문 저자보기

CV 열람하기

팝업 닫기

열람하시는 목적을 아래에서 선택하시면 CV를 열람 하실 수 있습니다.

열람 목적

연락처 보기

팝업 닫기

활용하시는 목적을 아래에서 선택하시면 연락처 정보를 보실 수 있습니다.

열람 목적

  • 요청하신 목적으로만 활용하시고, 타용도 사용 및 무단수집을 금합니다.

Cytiva Korea

BRIC사1