ResApp Health Limited hat positive Ergebnisse für einen neuartigen audiobasierten COVID-19-Screeningtest für Husten bekannt gegeben, für den nur ein Smartphone benötigt wird. In einer klinischen Pilotstudie mit 741 Patienten (446 COVID-19 positiv), die in den Vereinigten Staaten und Indien rekrutiert wurden, wurde festgestellt, dass der Screening-Test von ResApp, der maschinelles Lernen zur Analyse des Hustengeräuschs eines Patienten verwendet, COVID-19 bei 92% der Menschen mit der Infektion korrekt erkennt. Der Algorithmus von ResApp erreichte in beiden Studien eine Fläche unter der Kurve (AUC) von 0,93 unter Verwendung der Hustengeräusche und der vom Patienten angegebenen Symptome. AUC ist ein Standardmaß dafür, wie gut ein Test zwischen zwei Diagnosegruppen unterscheidet, wobei ein Wert von 1 einen perfekten Test darstellt. Ein Wert von mehr als 0,9 gilt als herausragendi. Mit dieser AUC kann ResApp je nach Einstellung verschiedene Arbeitspunkte auswählen, um entweder eine hohe Sensitivität, eine hohe Spezifität oder eine ausgewogene Sensitivität und Spezifität zu erreichen. Für die Verwendung als Screening-Test vor einem Antigen-Schnelltest oder einem PCR-Test (Polymerase-Kettenreaktion) zum Ausschluss von COVID-19 könnte ein Arbeitspunkt gewählt werden, der eine Sensitivität von 92% und eine Spezifität von 80% bietet. Diese Sensitivität übertrifft die in der Praxis gemessene Sensitivität von Antigen-Schnelltestsii,iii. Die Kombination aus hoher Sensitivität und 80 % Spezifität führt dazu, dass 8 von 10 Personen, die kein COVID-19 aufweisen, korrekt als negativ erkannt werden und keinen anschließenden Antigen-Schnelltest oder PCR-Test benötigen. ResApp wird zunächst in Bereichen eingesetzt, in denen häufige COVID-19-Tests erforderlich sind, z. B. bei der Untersuchung von Angestellten, medizinischem Personal und Studenten, auf Reisen, im Sport, in der Unterhaltung und in der Altenpflege. In diesen Bereichen würde ein hochempfindlicher Test, für den nur ein Smartphone benötigt wird, die Anzahl der erforderlichen Antigen- oder PCR-Schnelltests erheblich reduzieren, was die Verfügbarkeit verbessert, die Kosten senkt und die Umweltbelastung verringert. Ein Smartphone-basierter Test hat auch die Möglichkeit, die Sicherheit und die Meldung der Ergebnisse durch biometrische Identifizierung wie Gesichtserkennung zu verbessern. Um sicherzustellen, dass der Algorithmus spezifisch für COVID-19 ist, wurde er mit dem Breathe Easy-Datensatz getestet. Der Breathe Easy-Datensatz wurde vor der COVID-19-Pandemie erhoben und diente zum Training und zur Validierung von ResApps bestehendem, behördlich zugelassenem Produkt (australische TGA und CE-Kennzeichnung) ResAppDx für die Diagnose akuter Atemwegserkrankungen. Dieser Datensatz umfasst 1.007 Patienten mit einer Vielzahl von nicht-COVID-19-bedingten Atemwegserkrankungen, darunter Infektionen der oberen Atemwege, Asthma-Exazerbationen, COPD-Exazerbationen und andere virale Lungeninfektionen einschließlich Lungenentzündung. Der Algorithmus erreichte bei diesen Patienten eine Spezifität von mehr als 90%. Dieses wichtige Ergebnis zeigt, dass der Algorithmus COVID-19 und nicht eine allgemeine Atemwegserkrankung identifiziert. Eine konsistente Leistung wurde bei der Analyse einer Reihe von Untergruppen festgestellt, darunter Studienarm und -ort, Alter, Geschlecht und Impfstatus. Obwohl keine genomische Sequenzierung zur Verfügung stand, zeigte die Analyse der Daten über zwei Zeiträume, in denen Delta die dominante Variante war und in denen Omicron dominierte, eine konsistente Leistung. Wie erwartet und ähnlich wie bei den Antigen-Schnelltests zeigte der Algorithmus eine geringere Leistung bei asymptomatischen Patienten, obwohl nur eine kleine Anzahl (14) asymptomatischer Patienten in die Studien aufgenommen wurde. Die Leistung des Algorithmus wurde durch K-fache Kreuzvalidierung ermittelt, um eine Schätzung der Leistung bei ungesehenen Daten zu erhalten. ResApp beabsichtigt, die Ergebnisse in den kommenden Wochen zur Veröffentlichung in einer von Experten begutachteten Zeitschrift einzureichen.