AI工具检测寄生虫超越人类，研究发现

快速阅读: ARUP实验室开发的AI工具能更快、更准地检测粪便样本中的寄生虫，超越传统方法。该工具使用卷积神经网络，经4000多例样本训练，敏感度高于人类专家，有助于早期诊断和治疗。

科学家们在ARUP实验室开发了一种人工智能（AI）工具，该工具能够比传统方法更快、更准确地检测粪便样本中的肠道寄生虫，这可能彻底改变全球实验室诊断寄生虫感染的方式。长期以来，显微镜下识别寄生虫是一项耗时的工作，需要高度训练的专家手动检查每个样本，寻找特征性的囊肿、卵或幼虫。现在，一种称为卷积神经网络（CNN）的深度学习模型以高精度完成了这项工作，这是根据周二发表在《临床微生物学杂志》上的一项研究得出的结论。

研究人员证明，该AI系统在湿片中检测寄生虫的敏感度高于人类观察者，即使是有多年经验的专家也不例外。“这是一次开创性的努力，我们所取得的成就令人瞩目。”主要作者布雷恩·马蒂森说，他是ARUP的寄生虫学技术总监，同时也是犹他大学病理学系的兼职讲师。“我们的验证研究表明，AI算法具有更好的临床敏感性，提高了检测病原性寄生虫的可能性。”

ARUP是美国领先的全国参考实验室，是一家独立的非营利性机构，隶属于犹他大学及其医学院的病理学系，马蒂森在那里担任兼职讲师。为了构建和测试该系统，ARUP及其合作伙伴——犹他州的一家科技公司Techcyte，使用了来自美国、欧洲、非洲和亚洲实验室收集的超过4000个寄生虫阳性样本进行AI训练。这些样本代表了27类寄生虫，包括罕见物种，如来自菲律宾的日本血吸虫和菲律宾副毛线虫，以及来自非洲的曼氏血吸虫。

“考虑到用于验证AI算法的生物种类和阳性样本数量，这确实是一项非常稳健的研究。”马蒂森说。经过差异分析，AI与人工审核之间的阳性一致性达到了98.6%。此外，该工具还发现了169个之前人工审核中未被发现的生物体。“我们在没有AI的情况下无法识别出这么多生物体，这改善了受感染患者的诊断和治疗。”ARUP首席运营官亚当·巴克说。

进一步的检测限研究发现，即使在样本高度稀释的情况下，AI也能持续发现更多的寄生虫，表明该系统可以在感染早期或寄生虫水平较低时检测到感染。从创新到实施，ARUP多年来一直在临床寄生虫学领域率先使用AI。2019年，它成为世界上第一个将AI应用于三色染色部分的卵和寄生虫测试的实验室。2025年3月，它扩展了这一能力，包括湿片分析——成为首个使用AI进行整个测试过程的实验室。

这一时机恰逢其时：8月，ARUP收到了创纪录数量的寄生虫检测样本。通过AI获得的效率使实验室能够在不牺牲质量的前提下满足需求。“AI算法的质量取决于输入数据的人员。”巴克说，“我们拥有一支杰出的团队，他们利用丰富的知识和技能建立了一个卓越的AI解决方案，不仅惠及实验室，也惠及患者。”

ARUP和Techcyte计划继续扩大AI在诊断测试中的作用。除了寄生虫学外，ARUP已经实施了AI辅助的Pap测试，并正在开发其他工具以简化实验室操作并提高诊断准确性。该研究于10月21日发表在《临床微生物学杂志》上，题目为“使用深度卷积神经网络检测浓缩湿片中粪便中的原生动物和蠕虫寄生虫”。共同作者包括ARUP和Techcyte的多位科学家。直到最近，高级作者马克·库蒂耶还是ARUP微生物学和免疫学医疗运营负责人，也是犹他大学的病理学教授。目前，他是缅因州顶级临床实验室NorDx的临床微生物学医学主任。

总部位于犹他州奥伦的Techcyte, Inc.成立于2013年，是一家大学初创公司，旨在商业化由当时的ARUP医学主任和犹他大学病理学教授穆罕默德·萨拉马领导的发现。自那以后，Techcyte已发展成为AI驱动数字诊断领域的领导者。

(以上内容均由Ai生成)