MétaCan
Menu
Retour à la cohorte
Enregistrement W4408673053 · doi:10.1101/2025.03.17.25324136

NTDscope: A multi-contrast portable microscope for disease diagnosis

2025· preprint· en· W4408673053 sur OpenAlexaff
María Díaz de León Derby, Zaina L. Moussa, Carlos F. Ng, Abdul Bhuiya, Jorge Cabrera‐Gámez, Dipayan Banik, Charles B. Delahunt, Matthew D. Keller, Anne-Laure M. Le Ny, Jaime García-Villena, Elena Dacal, David Bermejo-Peláez, Daniel Cuadrado, Miguel Luengo-Oroz, Hugues C. Nana-Djeunga, Joseph Kamgno, Linda Djune Yemeli, Victor Pahl, Saskia Dede Davi, Rella Zoleko Manego, Michael Ramharter, Isaac I. Bogoch, Jean T. Coulibaly, Amena Khatun, Mamun Kabir, Zannatun Noor, Rashidul Haque, Neil A. Switz, Michael V. D’Ambrosio, Daniel A. Fletcher

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésContrast (vision)MicroscopeDiseaseComputer scienceComputer visionArtificial intelligenceMedicinePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Accurate diagnostics are essential for disease control and elimination efforts. However, access to diagnostics for neglected tropical diseases (NTDs) is hindered by limited healthcare infrastructure in many NTD-endemic regions, as well as by reliance on time- and labor-intensive diagnostic methods, such as smear microscopy. New diagnostic tools that are portable, rapid, low-cost, and meet World Health Organization (WHO) sensitivity and specificity targets are urgently needed to accelerate NTD control and elimination programs. Here, we introduce the NTDscope, a portable microscopy platform that enables point-of-care imaging and automated detection of parasites and other pathogens in patient samples. The NTDscope builds on and extends the capabilities of the LoaScope, a device that turned the camera of a mobile phone into a microscope and used on-board image processing to automatically quantify Loa loa microfilariae burden in whole blood samples. The NTDscope replaces the mobile phone of the LoaScope with a system-on-module (SOM) that enables the integration of multiple imaging modalities in a single package designed to improve robustness and expand applications. In this work, we demonstrate use of the NTDscope as a portable brightfield, darkfield, and fluorescence microscope for samples including microfilariae and helminth eggs. We also show that the device can be used to quantify molecular assays, such as a lateral flow test and a CRISPR-Cas13a-based assay. The ability to combine diagnostic capabilities of conventional microscopy with molecular assays and machine learning in a single device could expand access to diagnostics for populations in NTD-endemic areas and beyond. Author summary Neglected tropical diseases (NTDs) impact one billion of the world’s most vulnerable individuals. Diagnostics are a necessary part of NTD disease control and elimination efforts, but identifying infected individuals remains a challenge. Here we present the NTDscope, a portable multi-contrast microscope designed to diagnose multiple NTDs at the point-of-care. We show that the NTDscope can be used to detect the parasitic worm Loa loa in videos of whole blood samples and parasitic eggs in images of urine and stool samples. The NTDscope can also be used to image thick blood smears in disposable capillaries and serves as a lateral flow assay reader. In addition to brightfield and darkfield imaging, fluorescence imaging on the device enables molecular assays based on CRISPR-Cas enzymes. This portable (<1 kg), field-friendly device—tested in Cameroon, Gabon, Côte d’Ivoire, and Bangladesh—has the potential to become a platform technology that addresses diagnostic needs for multiple NTDs and could serve as a key element of decentralized healthcare in the future.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,262
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207