有什么不该学习的呢? 人工智能与寄生虫学相遇
James E Kirby1,2, Ramy Arnaout1,2
1Department of Pathology, Beth Israel Deaconess Medical Center, Boston, Massachusetts, USA.
Journal of clinical microbiology
|December 8, 2025
概括
人工智能,特别是卷积神经网络 (CNN),在临床微生物学涂抹上识别寄生虫方面表现出高度准确性. 这种人工智能工具显示了将其整合到常规实验室工作流程中的潜力,改善了诊断能力.
科学领域:
- 临床微生物学 临床微生物学
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 人工智能,特别是大型语言模型,正在引起人们的注意.
- 临床微生物学中的AI应用,特别是图像识别,已经发展了多年.
研究的目的:
- 描述一个训练有素的卷积神经网络 (CNN) 用于审查湿装寄生虫学涂抹.
- 与医疗技术专家相比,评估CNN的准确性和分析灵敏度.
主要方法:
- 开发和培训一个CNN使用广泛的,全球来源的数据集.
- 测试CNN在湿装寄生虫学涂抹上的表现.
主要成果:
- 美国有线电视新闻网的准确性和分析灵敏度超过了训练有素的医疗技术专家.
- 这项研究为AI在临床微生物学中的整合提供了概念验证.
结论:
- 人工智能,通过CNNs,显示了改善临床微生物学诊断准确性的重大承诺.
- 这种人工智能技术的可转化到常规临床实验室需要进一步调查.


