Искусственный интеллект на базе микроскопа точно идентифицирует бактерии

Микроскопы с искусственным интеллектом (ИИ) могут помочь клиническим микробиологам диагностировать потенциально смертельные инфекции крови, что сможет улучшить шансы пациентов на выживание.

Ученые продемонстрировали, что автоматизированная система микроскопа, улучшенная искусственным интеллектом, является непревзойденной в быстром и точном определении изображений бактерий. Автоматизированная система может помочь уменьшить существующую нехватку высококвалифицированных микробиологов, которая, как ожидается, увеличится, поскольку в ближайшие пять лет 20% технологов достигнут пенсионного возраста.


Ученые, в сотрудничестве с отделением патологии при медицинском центре Бет Израел Диконесс (Beth Israel Deaconess Medical Center; Бостон, штат Массачусетс, США), использовали автоматизированный микроскоп, предназначенный для получения изображений микроскопических препаратов с высоким разрешением. В этом случае образцы крови, взятые у пациентов с подозрением на инфекцию крови, инкубировали для увеличения количества бактерий. Затем препараты подготавливали, помещая каплю крови на предметное стекло и окрашивая красителем, чтобы сделать структуры бактериальных клеток более заметными.

После этого исследователи подготовили свёрточную нейронную сеть (convolutional neural network), класс искусственного интеллекта, смоделированный на зрительной коре млекопитающих и используемый для анализа визуальных данных, для классификации бактерий на основе их формы и распределения. Эти характеристики были выбраны для моделирования бактерий, которые чаще всего вызывают инфекции крови, палочковидных бактерий, включая кишечную палочку, а также образцов круглых кластеров стафилококков и образцов пар или цепочек стрептококков. Все препараты сканировались без покровных стекол с использованием платформы MetaFer Slide Scanning and Imaging с автоматическим загрузчиком препаратов емкостью в 140 стекол, оснащенной объективом Plan-Neofluar с увеличением 40×.

Для машинного обучения ученые загрузили в необученную нейронную сеть более 25 000 изображений образцов крови, подготовленных во время обычных клинических исследований. Кадрируя эти изображения, в которых бактерии уже были идентифицированы клиническими микробиологами, ученые создали более 100 000 учебных образов. Машинный интеллект научился сортировать изображения по трем категориям бактерий (палочковидные, круглые кластеры и круглые цепочки или пары), в конечном итоге достигая почти 95% точности.

Команда бросила вызов алгоритму для сортировки новых изображений 189 препаратов без вмешательства человека. В целом алгоритм достиг более 93% точности во всех трех категориях. Чувствительность/специфичность составила 98,4/75,0% для грамположительных кокков в цепочках/парах, 93,2/97,2% для грамположительных кокков в кластерах и 96,3/98,1% для грамотрицательных палочек. Исследование было опубликовано 29 ноября 2017 года в “Журнале клинической микробиологии” (Journal of Clinical Microbiology).

Ссылки по теме:
Медицинский центр Бет Израел Диконесс