照片：Andrew H. Kim / Intellectual Ventures
研究生物化学家Roxanne Rees-Channer将一个盒子插入伦敦热带病医院的EasyScan GO中，在那里测试AI动力显微镜。
今天，一家由比尔和梅林达•盖茨基金会（Bill＆Melinda Gates Foundation）支持的中国制造商和一家风险投资公司将宣布将使用深度学习算法的显微镜商业化，以在20分钟内自动识别和计算血液涂片中的疟疾寄生虫。 AI驱动的显微镜可以加速诊断，并在蚊传疾病每年造成近50万人死亡的时候标准化疟疾检测。
AI动力显微镜的实验版本已经显示，它可以很好地检测疟疾寄生虫，以达到世界卫生组织最高显微镜标准，称为能力等级1.该等级意味着它可以与训练有素的显微镜专家，尽管研究人员指出，一些显微镜专家仍然可以胜过自动化系统。
之前在10月份的计算机视觉国际会议上提出的这项研究激励了全球良好基金（Global Good Fund） - Intellectual Ventures公司和Bill＆Melinda Gates基金会以及一家名为Motic的中国显微镜制造商之间的合作伙伴关系，下一个大的商业化步骤。
这种显微镜可以证明特别有助于跟踪治疗东南亚疟疾传播的多重耐药菌株。全球良好基金（Global Good Fund）全球卫生技术主管贝尔（David Bell）表示：“这种多重耐药性监测依靠非常可靠的显微镜观察疟疾药物减少了血液中寄生虫的数量。 “我们看到，机器学习可以在这个领域带来更多的准确性和标准化，并允许各国更有效地实施监测。”
正在开发的EasyScan GO显微镜将结合明场显微镜技术和运行深度学习软件的笔记本电脑，该软件可以自动识别导致疟疾的寄生虫。人类实验室的工作人员大多将注意力放在制备血液样本的玻片上，在显微镜下观察并验证结果。全球良好基金会宣布于2017年11月13日至16日在德国杜塞尔多夫举办的MEDICA 2017展会期间公布。
Intellectual Ventures在华盛顿贝尔维尤的首席研究员本·威尔逊（Ben Wilson）表示，疟疾寄生虫为深度学习算法提出了一个棘手的“罕见的对象问题”，通常需要大量的训练数据来准确地识别对象。微小的疟疾寄生虫可能只会出现在血涂片的数百个显微镜图像中少数几次。
在感染水平非常低的情况下，10万个红细胞中可能只有一个疟疾寄生虫。 Motic在中国的总经理塞巴斯蒂安·努内多夫（Sebastian Nunnendorf）将挑战与“在标准足球场上寻找弹珠”相提并论。
全球优秀的研究人员在EasyScan GO AI显微镜上工作。为了训练算法，该团队收集并注释了来自世界各地的数千个疟疾幻灯片。
照片：Andrew H. Kim / Intellectual Ventures
全球优秀的研究人员在EasyScan GO AI显微镜上工作。为了训练其检测疟疾的算法，该团队收集并注释了来自世界各地的数千张血液涂片。
该解决方案需要将深度学习和用于分割图像中感兴趣事物的传统计算机算法相结合。它还需要大量基于制备的显微镜载玻片的培训数据。威尔逊和他的同事甚至要求几个实验室故意准备幻灯片，以便他们能够训练深度学习人工智能在不理想的情况下完成工作。威尔逊说：“就显微镜的机器学习而言，这在疟疾和传染病方面是相当独特的。
原型显微镜扫描每张幻灯片的速度大约与专家人类显微镜专家相当，每张幻灯片20分钟。但威尔逊预计最终能够将扫描时间缩短一半，每张幻灯片只需10分钟。更重要的是，即使现有版本的显微镜可以补充有限的训练有素的显微镜专家可用于确定疟疾和追踪多药耐药性疟疾。 Motic公司的Nunnendorf说：“从本质上说，这是一个巨大的效率提升，而不是实验室技术人员的机器人替代。
如果EasyScan GO显微镜广泛应用，它们也可以帮助监测传染病传播和药物治疗效果的研究人员受益。这是因为自动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的直接比较。
EasyScan GO AI显微镜的2个打开的视图。
照片：Andrew H. Kim / Intellectual Ventures
深度学习算法的早期测试依赖于定制的显微镜硬件。全球优秀的研究人员目前正在与Motic合作，确保EasyScan GO显微镜的商业版本 - 部分基于预先存在的“Motic EasyScan”产品线 - 仍然能够满足世界卫生组织专家显微镜专家的最高标准组织。
市场推出的最终价格标签和时间表尚未确定。但是，Global Good和Motic预计，价格相对低廉的显微镜价格更接近基本型号，而不是高端数字载玻片扫描仪。成本将是许多国家努力防治疟疾和其他传染病蔓延的关键。 Nunnendorf说：“为了对这个问题产生真正的影响，定价特别适用于低收入和中等收入国家。
Motic还计划更新EasyScan GO系统软件，以便诊断登革热，南美锥虫病，微丝蚴和镰状细胞贫血等其他疾病。这将建立在使用深度学习AI准确识别疟疾寄生虫的早期成功上。
“最难以确定的疾病 - 疟疾的成功，为其在任何明视野显微镜任务，包括血液膜上常见的其他寄生虫和性状，以及其他样本类型等方面的出色表现铺平了道路作为痰和粪便，“Nunnendorf说。
