比尔盖茨的投资公司和中国麦克奥迪公司今天联合宣布，计划推出一款深度学习显微镜，该显微镜能够在 20 分钟之内自动分辨和计算血液样本中疟疾细菌的数量。每年全世界约有50多万人死于这种由蚊子传播的疾病，这种AI显微镜可以加速并标准化疟疾的检测流程。

图 | 研究员 Roxanne Rees-Channer 正在测试 EasyScan GO 显微镜

        AI显微镜的实验结果显示，它检测疟疾寄生虫的能力达到了最高的世界卫生组织显微镜标准（等级）。这个评级意味着它可以与训练有素的显微镜专家不分伯仲，尽管有研究人员指出，一些专业的显微镜技术人员仍然可以胜过自动化系统。

        今年十月 Computer Vision 国际大会上的一项研究启发了中国的麦克奥迪显微镜公司和 Global Good Fund（高智公司和比尔盖茨共同投资的基金会），两者决定共同实现显微镜技术的商业化。

        这种显微镜非常有助于跟踪治疗东南亚疟疾中的多重耐药菌株。Global Good Fund 全球健康技术主任 David Bell 表示：“这种多重耐药菌株的监测依赖于非常可靠的显微镜，帮助人们了解疟疾药物的效果，以及血液中寄生虫数量的减少速度。我们发现机器学习可以让这个过程更加精准和标准，从而让很多国家实现更有效的监测。”

        Global Good Fund 在于德国杜塞尔多夫举办的 MEDICA 2017 展会上公布了一部分细节，该大会的举办时间为 2017 年 11 月 13 日至 16 日。正在研发的 EasyScan GO 显微镜将结合明场显微镜技术和深度学习软件，该软件可以自动识别导致疟疾的寄生虫。工作人员将大部分注意力放在制备血液样本玻片上，以及在显微镜下观察并验证结果。

        高智公司主要调查员 Ben Wilson 表示，深度学习算法通常需要大量的训练数据来准确识别物体，然而疟疾寄生虫为深度学习算法“准备”了一个棘手的“稀有物体问题”。在血液涂片的数百个显微镜图像中，微小的疟疾寄生虫可能仅显示几次。

        在感染水平非常低的情况下，10万个红细胞中可能只有1个疟疾寄生虫。麦克奥迪公司总经理 Sebastian Nunnendorf 表示，“这就像是在标准尺寸的足球场上寻找弹珠一样。”

        他们的解决方案是将深度学习和用于分割图像中敏感信息的传统计算机算法相结合，而这还需要大量显微镜载玻片的培训数据。Wilson 和他的同事甚至要求几个实验室故意准备一些质量差的载玻片，以便训练深度学习算法在不理想的情况下也能完成工作。“就显微镜领域的机器学习而言，检测疟疾和传染病的手段是相当独特的”，Wilson 补充道。

图 | Global Good 研究员在使用 EasyScan GO 显微镜

        EasyScan GO 的原型显微镜扫描每个载玻片的速度大约与人类显微镜专家相当，每片 20 分钟。但 Wilson 预计，最终能够将扫描时间缩短一半，每片只需 10 分钟。更重要的是，现有的原型显微镜也可以用来辅助数量有限的显微镜专家，帮助他们确定疟疾和追踪多重耐药性疟疾。麦克奥迪公司总经理 Nunnendorf 表示，“本质上来讲这是巨大的工作效率提升，而不是单纯的机器替换人类。”

        如果 EasyScan GO 显微镜能够大规模普及，它们也可以让监测传染病传播和药物治疗效果的研究人员受益。因为 AI 显微镜可以提供标准化的检测结果，可以在不同地区之间进行多年数据的直接比较。

        深度学习算法的早期测试依赖于特殊定制的显微镜硬件。Global Good 的研究人员目前正在与 Motic 合作，以确保 EasyScan GO 显微镜的量产版本仍然可以满足世界卫生组织显微镜专家的最高标准。

        公司推出的最终价格和上市时间尚未确定，但是 Global Good 和麦克奥迪预计其价格比较接近基本型显微镜，而不是昂贵的高端数字载玻片扫描仪。控制成本对于显微镜的普及十分关键，许多努力防治疟疾和其他传染病蔓延的国家并不富裕。Nunnendorf 表示，“为了能最大化防治疟疾，定价一定要特别适合低收入和中等收入国家。”

图 | 显微镜原型机内部

        Motic 还计划更新 EasyScan GO 的系统软件，使其“学会”诊断登革热，南美锥虫病，微丝蚴和镰状细胞贫血等其他疾病。该计划将建立在深度学习 AI 能够准确识别疟疾寄生虫的成功上。

Nunnendorf 总结道，“疟疾是最难以确定的疾病（之一），但是我们做到了。未来我们计划拓展到其他明视场显微镜任务，包括血液膜上常见的寄生虫和性状，并且拓展检测样本类型，包括痰和粪便。这种成功给我们铺平了未来的道路。”（生物谷Bioon.com）

        参考：

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

来源：DeepTech 深科技