使用卷积神经网络,从临床样本中直接检测酸性细菌

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算机视觉 计算机视觉
• 传染性疾病 传染性疾病

背景情况:

• 菌根菌,包括结核菌菌 (MTB) 和非结核菌 (NTM),造成全球健康负担很大.
• 快速检测真菌真菌对于减少传播和死亡率至关重要.
• 手动涂抹显微镜是成本高效但劳动密集型,需要专家人员.

研究的目的:

• 开发一种人工智能 (AI) 计算机视觉模型,用于从Kinyoun染色幻灯片中检测酸性细菌 (AFB).
• 建立基于AI的AFB检测框架,并创建一个公开可用的注释数据集.

主要方法:

• 一个深层卷积神经网络被训练在11,411个注释的AFB生物体上,来自109个临床标本的全幻灯片图像 (WSI).
• 该模型估计了每显微镜视野 (FOV) 的AFB密度.
• 模型预测与文化确认的结果相关.

主要成果:

• 人工智能模型在分类验证幻灯片中达到68%的准确性,在≥10−2 AFB/1000xFOV的值下预测阳性培养的灵敏度为79%和特异性为63%.
• 与培养结果相比,手动注释显示了76%的灵敏度和96%的特异性.
• 该模型的性能不足以立即进行临床实施.

结论:

• 开发的AI模型为自动化AFB检测提供了基础框架.
• 这项研究强调了人工智能在改善菌根细菌诊断方面的潜力.
• 分享注释数据集将促进未来研究和开发更准确的AI算法用于AFB检测.