AI显微镜面市:20分钟诊断疟疾,精度满足世卫最高标准

简介:
本文来自AI新媒体量子位(QbitAI)

还记得比尔及梅林达·盖茨基金会和高智公司共同出资成立的Global Good基金会吧。

昨天,由Global Good基金会投资的中国显微镜制造公司Motic宣称,旗下所研发的一款显微镜,EasyScan Go即将投入商用。这款显微镜,应用了深度学习算法,可在20分钟内快速诊断出疟疾及进行虫卵计数。

 伦敦热带疾病研究中心研究员在测试EasyScan Go显微镜

如今,每年有近50万人死于这种虫媒传染病。这款能快速高效检测疟疾的AI赋能显微镜EasyScan Go就显得尤其重要。

检测准确率高吗?

在试验阶段,这款显微镜就满足了世界卫生组织显微镜检测的最高标准,确诊率无异于经过训练的显微镜专员。

“EasyScan Go能帮助我们稳定快速地判断,什么药物能有效地减少血液中的疟疾寄生虫数量,”Global Good基金会负责全球健康科技的主任David Bell说,“人工智能技术能够提高我们确诊疟疾的准确率,从而更高效地筛选出有疗效的药物。”

比起人工的方法(由实验技术员去一个一个准备血样并在显微镜下观察后再确诊),应用了深度学习的软件EasyScan Go显然要省事得多,检测流程可以流水自动化了。

EasyScan Go面临哪些挑战?

位于华盛顿的高智公司首席调查官Ben Wilson提到,“对于深度学习算法来说,需要采集大量的训练数据才能得出准确的诊断结果。但实际情况中,几百个血样里才会出现疟疾的寄生虫,训练样本数很少是个难题。

Motic的总经理Sebastian Nunnendorf把这个难度比喻为,“就好像在一块标准足球场里找个石子一样。”

 研究人员需要从血样涂片来训练EasyScan Go检测疟疾

解决方案是,把能从图像中分离出目标对象的传统算法与深度学习的算法结合起来。高智公司甚至专门请各地实验室制造了一批粗制的血样涂片,为的是训练深度学习算法能在实际检测中面对不理想的样本时,依然能得出精准的诊断结果

EasyScan Go检测速度和显微镜专家比,谁快?

在早期,要用深度学习算法的疟疾检测,是需要依托特制的显微设备。Global Good的研究人员和Motic携手合作,确保未来商用的EasyScan Go的检测精度和速度不差于当前显微镜专家,最好能满足世界卫生组织的最高标准。

经过专家们的努力,该款显微镜原型的检测速度已经可以和显微镜专家一样了,每一个样本检测用时只需要20分钟。高智公司表示,希望最终商用时,进一步能把时间缩短到十分钟。

除了快和准,这款AI显微镜还有什么优点?

“除了检测时间上能达到专家的水平,该款显微镜原型还可以快速弥补显微镜专家人数稀缺的问题,并同时追踪那些抗多种药物的疟疾种。总的来说,用了AI技术的显微镜,有太多方面的优势,并不是简单地把实验人员替换掉而已。”Motic的老大说。

如果未来EasyScan Go能大范围地推广的话,人们就可以随时监测传染病的扩散情况,并及时发现有效治疗某种传染病的药物了。因为自动化的显微监测可以提供一套标准化的流程,还能对比跨不同年代不同地区的某种传染病的致病源,来监控变异情况。

这么厉害,那卖多少钱?

这款显微镜的上市时间和最后价格暂时还没有确定,但是Global Good和Motic并不希望把价格定到像高端电子扫描显微镜一样那么贵。最理想的情况是,价格尽可能亲民,这样那些疟疾或其他流行传染病肆虐的低收入水平国家才能购买得起。

未来还有哪些应用?

如果此次AI技术的应用,能够大面积地成功应用在疟疾的检测上,那么未来,Motic就可以把深度学习的经验迁移到下一代的EasyScan Go,用于检测其他传染病,比如登革热、美洲锥虫病、丝虫病、镰刀贫血病等。

一旦连疟疾这种最难确诊的难题,都能被AI攻下来的话,那其他也需要用到明场显微术才能确诊的血液微生物病确诊就相对简单了,样本的类别甚至可以扩大到痰和排泄物。

本文作者:Root 
原文发布时间:2017-11-14
相关文章
|
2月前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
2月前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第40天】本文将探讨人工智能在医疗诊断领域的应用,包括其优势、挑战以及未来发展趋势。我们将通过实例和代码示例,展示AI技术如何改善医疗服务质量,提高诊断准确性,并降低医疗成本。
|
2月前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
10天前
|
机器学习/深度学习 人工智能 智能设计
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
VisionFM 是一个多模态多任务的视觉基础模型,专为通用眼科人工智能设计。通过预训练大量眼科图像,模型能够处理多种眼科成像模态,并在多种眼科任务中展现出专家级别的智能性和准确性。
48 4
VisionFM:通用眼科 AI 大模型,具备眼科疾病诊断能力,展现出专家级别的准确性
|
17天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
100 31
|
1月前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
2月前
|
机器学习/深度学习 人工智能 算法框架/工具
探索AI在医疗诊断中的应用
本文将带你深入了解人工智能如何在医疗诊断领域大放异彩。我们将一起探讨深度学习模型如何助力医生进行疾病预测,以及AI技术如何提高医疗图像分析的准确性。文章还将展示一些实用的代码示例,让你更直观地理解AI在医疗诊断中的应用。
49 5
|
2月前
|
人工智能
AI在医疗诊断中的应用
随着科技的不断发展,人工智能(AI)已经逐渐渗透到我们生活的各个领域,其中包括医疗领域。AI的应用不仅可以提高医疗服务的效率,还可以提高诊断的准确性。本文将通过一些实例,详细介绍AI在医疗诊断中的应用。
|
2月前
|
机器学习/深度学习 存储 人工智能
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第43天】随着人工智能技术的飞速进步,其在医疗领域的应用日益广泛,特别是在疾病诊断方面显示出巨大潜力。本文将深入探讨AI技术如何在医疗诊断中发挥作用,面临的主要挑战,以及未来可能的发展方向。通过分析具体案例和最新研究成果,我们将揭示AI如何助力医生做出更准确、更快速的诊断决策,同时也会指出目前技术和实践中存在的局限性。
50 2
|
2月前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。