AI增强型快速诊断平台在东南亚大规模肝吸虫病筛查中的应用与验证

本研究针对东南亚地区肝吸虫(Opisthorchis viverrini, OV)感染引发的胆管癌(CCA)高发问题，开发了基于EfficientNet-B5深度学习模型的OV-RDT云平台。该平台通过标准化尿液抗原快速检测(RDT)的判读流程，在泰国东北部 endemic地区(感染率20-70%)实现了95%的感染状态检测准确率和98%的图像质量控制准确率，成功处理超10万例样本。这项发表于《Scientific Reports》的研究为资源有限地区提供了可扩展的AI辅助筛查方案，显著提升了早期诊断效率。

　　

在东南亚湄公河流域，由肝吸虫(Opisthorchis viverrini, OV)慢性感染引发的胆管癌(Cholangiocarcinoma, CCA)是重大公共卫生问题。当地居民因生食淡水鱼而感染，早期症状隐匿，确诊时多已晚期。虽然尿液抗原快速检测(RDT)技术已被开发，但传统目视判读T带颜色强度存在主观差异，且大规模筛查数据数字化耗时耗力。针对这些痛点，Prem Junsawang等研究者构建了AI赋能的OV-RDT平台，相关成果发表在《Scientific Reports》期刊。

研究团队采用云端AI架构，核心技术包括：1)基于YOLOv5m的图像质量控制算法，通过预设模板验证试纸条位置(误差阈值3%)；2)EfficientNet-B5深度学习模型进行感染分级(0-4级)，训练集含8,624张专家标注图像；3)跨平台移动应用(Android/iOS)采集数据，结合地理信息系统(GIS)实现实时疫情可视化。样本来自泰国东北部21省101,821名居民，平均年龄53.6岁，女性占59.4%。

AI组件验证

图像质量控制模块达到98%准确率，成功过滤模糊、偏移等不合格图像。EfficientNet-B5模型在二元分类(阴性/阳性)中表现最优(95%准确率)，多级分类(0-+4)达66%准确率。GradCAM可视化证实模型注意力集中于T带区域，符合临床判读逻辑。

实际应用表现

在5次大规模筛查中，平台处理量最高达单日6,493例(2023年世界CCA日)。用户满意度调查显示医疗工作者对移动端界面评分4.41/5分，94.1%受访者愿意在其他活动中继续使用。地理热图显示Roi-Et省Selaphum医院筛查点感染率最高(95.83%)。

结论与展望

该研究首创了整合AI、云计算和移动技术的肝吸虫筛查系统，解决了传统RDT判读的主观性问题。尽管在精细分级方面仍有提升空间(Cohen's Kappa=0.55)，但其标准化流程显著提高了筛查效率，为东南亚地区CCA防控提供了数字化工具。未来需在其他流行区验证普适性，并探索离线功能以适应偏远地区需求。研究团队特别强调，当前模型基于泰国东北部高流行区数据开发，推广至其他地域时需进行外部验证。