Sistema de diagnóstico implementado mejora las pruebas para enfermedades infecciosas

La compañía desarrolló el sistema de aprendizaje automático en parte para abordar la escasez de personal de laboratorio capacitado, así como para ayudar a los laboratorios a mejorar la eficiencia interna, tanto en términos de tiempo como de dinero ahorrado.

Los científicos del Glasgow Royal Infirmary (Glasgow, Reino Unido) llevaron a cabo un estudio clínico prospectivo para evaluar la exactitud y el impacto al automatizar el análisis manual de datos y los pasos de control de calidad asociados con las pruebas clínicas de patógenos de rutina usando PCR de tiempo real (qPCR). Evaluaron el uso de la herramienta cuando se utilizó como un paso final de interpretación y verificación para las pruebas de qPCR internas de rutina para patógenos respiratorios y para norovirus completando un total de 22.200 interpretaciones. Las pruebas se realizaron en el transcurso de un mes. La herramienta se llama PCR.ai y es producida por Diagnostics.ai (Londres, Reino Unido).

El equipo informó que hubo una concordancia del 100% entre las determinaciones validadas para los virus respiratorios y la detección de norovirus mediante su método de análisis de rutina manual y el método PCR.ai. Además, hubo ahorros de rutina significativos con PCR.ai de 45 min/procesamiento respiratorio y 32 min/procesamiento de norovirus. Llegaron a la conclusión de que PCR.ai es una herramienta de ahorro de tiempo muy exacta que reduce la complejidad del análisis qPCR y, por lo tanto, la necesidad de especialistas y de tiempo operativo. Demostró capacidades para permitir a los científicos obtener resultados más rápidamente con menores costos y menos riesgo de errores.

Por lo general, la empresa trabaja con los datos existentes de un laboratorio, que se envían a la máquina de aprendizaje durante una fase de capacitación. Cualquier inconsistencia se marca y se trata durante una fase interactiva. Una vez completado, PCR.ai se entrega a los usuarios para que se ejecuten en tiempo real en un servidor independiente al que la empresa no puede acceder. Los ingresos se obtienen a través de un modelo de servicio y soporte, influenciado por los volúmenes y las necesidades de soporte. Sin embargo, el énfasis de la empresa está en reducir los costos dentro de los laboratorios.

Aron Cohen, BA, director ejecutivo de Diagnostics.ai, dijo: “El modelo, especialmente en el Reino Unido, tiende a ser impulsado por el ahorro. Creo que ese es un enfoque importante que hemos tomado, que además de mejorar la calidad y la exactitud, el tiempo de respuesta y obtener mejores resultados, reduce los costos lo que es una pieza vital de ese rompecabezas. Algunos lugares ofrecen servicios durante semanas de seis o siete días, incluidos los turnos de noche. Necesitamos poder brindar apoyo para eso. Es importante tener los recursos para poder hacer frente. Creo que obtener más de 20.000 resultados y demostrar que podíamos hacerlo más rápido, sin errores, e incluso detectar errores cometidos en el proceso manual son resultados realmente impresionantes para cualquier producto clínico o de IA”. El estudio fue publicado en la edición de noviembre de 2019 de la revista Journal of Clinical Virology.

Enlace relacionado:
Glasgow Royal Infirmary
Diagnostics.ai