Der Workflow von TIMESAVER für schnelle Assays umfasst die Kombination von Zeitreihen-Deep-Learning-Architektur, KI-basierter Verifizierung und verbesserte Ergebnisanalyse zur Optimierung von LFA-Immunoassays. Im Vergleich zu herkömmlichen PCR- und ELISA-Tests, die mehrere Stunden dauern, arbeitsintensiv sind und höhere Kosten verursachen, bieten Schnelltests eine kostengünstige, vor-Ort-Diagnostik. Die TIMESAVER-unterstützte LFA strebt danach, die schnellste diagnostische Zeit unter den vorhandenen kommerziell erhältlichen Kits zu etablieren, während Genauigkeit und Erschwinglichkeit beibehalten werden. Herkömmliche Schnelltestprotokolle erfordern normalerweise 10-20 Minuten für die Analyse und stellen eine Herausforderung für zeitkritische Anwendungen wie Notfallmedizin, Infektionskrankheiten, Neugeborenenpflege und Schlaganfall dar, bei denen eine weitere Reduzierung der Assay-Zeit entscheidend ist.
Die TIMESAVER-Algorithmusoptimierung beinhaltet die Objekterkennung mit YOLO, die Zeitreihenbildanalyse durch CNN-LSTM und die FC-Schicht. Die ROI-Auswahl spielt eine entscheidende Rolle bei der Diagnose von Schnelltests. Die Auswahl des Regions of Interest (ROI) verbessert die Genauigkeit der Erkennung des spezifischen Zielbiomarkers oder Pathogens, erhöht die Sensitivität und Spezifität und minimiert die Anzahl von falsch-positiven und falsch-negativen Ergebnissen. Datenvervielfältigung ist eine wichtige Technik, insbesondere bei begrenzten oder unausgewogenen Datensätzen. CNN-Modelle müssen optimiert werden, um eine hohe Genauigkeit zu gewährleisten, während die LSTM-Modelle bei der Vorhersage von Zeitreihendaten eingesetzt werden. Der Handel-off zwischen Root Mean Squared Error (RMSE) und normalisiertem GPU-Speicherverbrauch zeigt die AI-optimierte Assay-Zeit. Das TIMESAVER-Modell kann auf der Grundlage von Zeitreihenbildern und Algorithmen eine schnelle und genaue Diagnose liefern.
Das TIMESAVER-Modell wurde für die Evaluierung von Infektionskrankheiten wie COVID-19-Antigen und Influenza A/B getestet. Das Modell zeigte eine hohe Empfindlichkeit, Spezifität und Genauigkeit für die Detektion von COVID-19 und Influenza A. Universale Anwendungsfähigkeit wurde ebenfalls validiert, indem das Modell auf verschiedene kommerzielle LFA-Modelle angewendet wurde. TIMESAVER übertraf menschliche Experten in der Genauigkeit und Schnelligkeit der Diagnose. Weiterhin wurden nicht-infektiöse Biomarker wie Troponin I und hCG erfolgreich mit TIMESAVER getestet, wobei das Modell eine verbesserte Genauigkeit und Schnelligkeit bei der Diagnose zeigte. Blindtests mit klinischen Proben bestätigten die Überlegenheit des TIMESAVER-Algorithmus gegenüber ungeschulten Personen und menschlichen Experten in Bezug auf Genauigkeit und Geschwindigkeit der Diagnose.