AI-mikroskopi förbättrar parasitdetektering inom primärvården
En ny internationell studie ledd av forskare vid Karolinska Institutet visar att artificiell intelligens (AI) kan förbättra diagnostiken av tarmparasiter hos barn. Studien, som publicerats i tidskriften Scientific Reports, jämförde traditionell manuell mikroskopi med två AI-baserade metoder för att upptäcka jordöverförda masksjukdomar (STH) i avföringsprover från skolbarn i Kwaleregionen, Kenya.
Tarminfektioner av jordöverförda masksjukdomar (STH) som framförallt inkluderar spolmask, piskmask och hakmask – är några av världens mest utbredda försummade tropiska sjukdomar och drabbar över 600 miljoner människor globalt.
Barn i resurssvaga miljöer är särskilt utsatta, och infektionerna kan leda till undernäring, blodbrist och nedsatt utveckling. Därför är noggrann diagnostik viktigt för att styra behandlingsinsatserna.
Studieresultat
I studien analyserades 704 prover med tre metoder: manuell mikroskopi, helt autonom AI och expertverifierad AI. Den expertverifierade AI:n, där lokala experter bekräftar AI:ns fynd på under en minut, visade sig vara mest träffsäker.
Den upptäckte 92 procent av hakmaskinfektionerna, 94 procent av piskmask och 100 procent av spolmask – betydligt högre än den manuella mikroskopin, som hade lägre känslighet, särskilt vid lågintensiva infektioner.
– Den här forskningen visar potentialen av att kombinera portabel bildteknik med AI för att övervinna långvariga diagnostiska utmaningar inom global hälsa, säger Johan Lundin, professor vid institutionen för global folkhälsa, Karolinska Institutet.
Det expertverifierade AI-systemet kan drastiskt minska experternas arbetsbörda och samtidigt öka noggrannheten, eftersom det kan analysera ett prov på cirka 15 minuter och expertbekräftelsen tar bara en minut. Det gör metoden särskilt användbar i primärvården i resurssvaga områden.
– Vår metod kan potentiellt leda till träffsäker, snabb och skalbar diagnostik nära patienten i primärvården – något som är särskilt viktigt när STH-förekomsten minskar globalt och känsligare metoder krävs för övervakning, säger Nina Linder, gästprofessor vid Uppsala universitet och seniorforskare vid FIMM.
Studiens försteförfattare är Joar von Bahr, doktorand vid instutionen för global folkhälsa, KI. Huvudansvariga för studien är, förutom Johan Lundin och Nina Linder, Harrison Kaingu, VD för Kinondo Kwetu Hospital, Kwale county, Kenya och Andreas Mårtensson, professor vid Uppsala Universitet. Studien genomfördes i samarbete med forskare i Sverige, Finland, Kenya och Tanzania, och finansierades av Erling-Perssons stiftelse, Vetenskapsrådet, Wallenberg AI, Autonomous Systems and Software Program (WASP) samt flera privata stiftelser i Finland.
Publikation
AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting, von Bahr, J., Suutala, A., Kucukel, H. et al. Scientific Reports, online 27 juni 2025, doi: 10.1038/s41598-025-07309-7.