比爾蓋茨的投資公司和中國麥克奧迪公司今天聯合宣布，計劃推出一款深度學習顯微鏡，該顯微鏡能夠在 20 分鐘之內自動分辨和計算血液樣本中瘧疾細菌的數量。每年全世界約有50多萬人死于這種由蚊子傳播的疾病，這種AI顯微鏡可以加速并標準化瘧疾的檢測流程。

圖 | 研究員 Roxanne Rees-Channer 正在測試 EasyScan GO 顯微鏡

        AI顯微鏡的實驗結果顯示，它檢測瘧疾寄生蟲的能力達到了最高的世界衛生組織顯微鏡標準（等級）。這個評級意味著它可以與訓練有素的顯微鏡專家不分伯仲，盡管有研究人員指出，一些專業的顯微鏡技術人員仍然可以勝過自動化系統。

        今年十月 Computer Vision 國際大會上的一項研究啟發了中國的麥克奧迪顯微鏡公司和 Global Good Fund（高智公司和比爾蓋茨共同投資的基金會），兩者決定共同實現顯微鏡技術的商業化。

        這種顯微鏡非常有助于跟蹤治療東南亞瘧疾中的多重耐藥菌株。Global Good Fund 全球健康技術主任 David Bell 表示：“這種多重耐藥菌株的監測依賴于非常可靠的顯微鏡，幫助人們了解瘧疾藥物的效果，以及血液中寄生蟲數量的減少速度。我們發現機器學習可以讓這個過程更加精準和標準，從而讓很多國家實現更有效的監測。”

        Global Good Fund 在于德國杜塞爾多夫舉辦的 MEDICA 2017 展會上公布了一部分細節，該大會的舉辦時間為 2017 年 11 月 13 日至 16 日。正在研發的 EasyScan GO 顯微鏡將結合明場顯微鏡技術和深度學習軟件，該軟件可以自動識別導致瘧疾的寄生蟲。工作人員將大部分注意力放在制備血液樣本玻片上，以及在顯微鏡下觀察并驗證結果。

        高智公司主要調查員 Ben Wilson 表示，深度學習算法通常需要大量的訓練數據來準確識別物體，然而瘧疾寄生蟲為深度學習算法“準備”了一個棘手的“稀有物體問題”。在血液涂片的數百個顯微鏡圖像中，微小的瘧疾寄生蟲可能僅顯示幾次。

        在感染水平非常低的情況下，10萬個紅細胞中可能只有1個瘧疾寄生蟲。麥克奧迪公司總經理 Sebastian Nunnendorf 表示，“這就像是在標準尺寸的足球場上尋找彈珠一樣。”

        他們的解決方案是將深度學習和用于分割圖像中敏感信息的傳統計算機算法相結合，而這還需要大量顯微鏡載玻片的培訓數據。Wilson 和他的同事甚至要求幾個實驗室故意準備一些質量差的載玻片，以便訓練深度學習算法在不理想的情況下也能完成工作。“就顯微鏡領域的機器學習而言，檢測瘧疾和傳染病的手段是相當獨特的”，Wilson 補充道。

圖 | Global Good 研究員在使用 EasyScan GO 顯微鏡

        EasyScan GO 的原型顯微鏡掃描每個載玻片的速度大約與人類顯微鏡專家相當，每片 20 分鐘。但 Wilson 預計，最終能夠將掃描時間縮短一半，每片只需 10 分鐘。更重要的是，現有的原型顯微鏡也可以用來輔助數量有限的顯微鏡專家，幫助他們確定瘧疾和追蹤多重耐藥性瘧疾。麥克奧迪公司總經理 Nunnendorf 表示，“本質上來講這是巨大的工作效率提升，而不是單純的機器替換人類。”

        如果 EasyScan GO 顯微鏡能夠大規模普及，它們也可以讓監測傳染病傳播和藥物治療效果的研究人員受益。因為 AI 顯微鏡可以提供標準化的檢測結果，可以在不同地區之間進行多年數據的直接比較。

        深度學習算法的早期測試依賴于特殊定制的顯微鏡硬件。Global Good 的研究人員目前正在與 Motic 合作，以確保 EasyScan GO 顯微鏡的量產版本仍然可以滿足世界衛生組織顯微鏡專家的最高標準。

        公司推出的最終價格和上市時間尚未確定，但是 Global Good 和麥克奧迪預計其價格比較接近基本型顯微鏡，而不是昂貴的高端數字載玻片掃描儀。控制成本對于顯微鏡的普及十分關鍵，許多努力防治瘧疾和其他傳染病蔓延的國家并不富裕。Nunnendorf 表示，“為了能最大化防治瘧疾，定價一定要特別適合低收入和中等收入國家。”

圖 | 顯微鏡原型機內部

        Motic 還計劃更新 EasyScan GO 的系統軟件，使其“學會”診斷登革熱，南美錐蟲病，微絲蚴和鐮狀細胞貧血等其他疾病。該計劃將建立在深度學習 AI 能夠準確識別瘧疾寄生蟲的成功上。

Nunnendorf 總結道，“瘧疾是最難以確定的疾病（之一），但是我們做到了。未來我們計劃拓展到其他明視場顯微鏡任務，包括血液膜上常見的寄生蟲和性狀，并且拓展檢測樣本類型，包括痰和糞便。這種成功給我們鋪平了未來的道路。”（生物谷Bioon.com）

        參考：

        https://spectrum.ieee.org/the-human-os/robotics/artificial-intelligence/aipowered-microscope-counts-malaria-parasites

來源：DeepTech 深科技