自己教師あり学習を用いた医療および獣医細胞内原虫のインテリジェント同定

科学分野:

• 獣医学; 医療診断; 寄生虫学

背景:

• 人獣共通感染症は、世界的な健康に重大な課題をもたらしています。; 原虫感染症の正確な診断は、効果的な制御のために不可欠です。; 現在の診断方法（顕微鏡検査や分子技術など）には、熟練した人員の必要性や潜在的なばらつきなどの限界があります。

研究 の 目的:

• ギムザ染色血液サンプルからの原虫の自動特徴抽出のための自己教師あり学習（SSL）アプローチを開発および評価すること。; この目的のためにDistillation with No Labels version 2（DiNOv2）アルゴリズムを利用すること。

主な方法:

• アーカイブされた微生物サンプルを使用して、DiNOv2を含むSSLモデルを開発しました。; ベースラインのVision Transformer（ViT）と比較してモデルのパフォーマンスを評価しました。

主要な成果:

• DiNOv2-Smallは、99%以上の精度と特異度、低い誤分類率（0.263）、高いAUC（0.990）を達成しました。; SSLモデルは、データの一部（20%）のみでトレーニングしても高いパフォーマンスを維持しました。; データセットサイズが20%を下回ると、パフォーマンスメトリックは大幅に低下しました。

結論:

• AIを活用したSSL法は、特にリソースが限られた地域で、検査技師を支援する可能性を示しています。; この発見は、医療および獣医の両方の診断における自動スクリーニングのためのこのAIツールの展開を支持しています。