機械学習：フィールドで行うHIV迅速検査の深層学習

深層学習アルゴリズムは疾患診断に役立つ可能性が高まりつつあるが、フィールドで行われる迅速診断検査での使用については、詳しく調べられていない。今回我々は、南アフリカ農村部で行ったヒト免疫不全ウイルス（HIV）検査で得られた画像の分類を、深層学習を用いて行った。サムソン社製タブレットSM-P585で新たに開発された画像取得プロトコルを用い、60人の現地作業者が、HIVラテラルフロー検査の画像を決まった手順で収集した。1万1374枚の画像からなるライブラリーで、深層学習アルゴリズムを検査結果を陽性か陰性かに分類するように訓練した。このアルゴリズムをモバイル用アプリケーションとして用いたパイロットフィールド研究では、従来行われていた人間（熟練の看護師や新たに訓練を受けたコミュニティーヘルスワーカースタッフ）による視認解釈に比べると、高レベルの感受性（97.8％）と特異性（100％）が実証され、偽陽性と偽陰性の数が低下した。我々の知見は、深層学習により可能になった新たな診断の枠組みの低・中所得国での基盤となり、この方法はREASSURED（real-time connectivity, ease of specimen collection, affordable, sensitive, specific, user-friendly, rapid, equipment-free and deliverable）診断法と命名された。この診断法は、作業者の訓練、品質保証、意思決定支援、モバイル機器での接続性に対するプラットフォームとなって疾患制御戦略に情報を提供し、ヘルスケアシステムの効率を高め、新たに出現する感染症での患者の転帰や集団発生の管理を改善する可能性がある。