首页 > 文章详情

Nature Communications：AI引领数字微生物学发展

03月07日

来源：智能肿瘤学

AI人工智能在人类生活的方方面面，特别是医学等高精尖领域起着越来越重要的辅助作用。近期在《Nature Communications》杂志上发表了一篇题为《Hierarchical AI Enables Global Interpretation of Culture Plates in the Era of Digital Microbiology》的文章，对人工智能在数字微生物学时代，通过分层级对微生物培养结果进行整体综合分析的方法进行了细致的解读。文章全面深入地介绍了“DeepColony”这种开创性的算法，和以之为核心的AI人工智能软件PhenoMATRIX™ (Copan, 意大利) 如何在医院检验、诊断工作中，非常有实效性地缩短临床TAT时间的。

研究方案
Alberto Signoroni及其同事设计了DeepColony，希望通过机器深度学习的方法，解决复杂的微生物培养皿判读任务。他们在四个阶段利用多面的体系结构完成了这项任务：在初始阶段(第0 ~ 2级)，采用基于深度学习的菌落计数方法对细菌生长进行量化，识别单菌落。随后，进入细化阶段(第3级)，通盘考虑了所有培养皿，特别是在混合培养中的背景，以增强鉴定的一致性。DeepColony的关键优势在于其能够将0~ 3级的结构化信息整合到基于规则的决策系统 (第4级)中：该系统能为临床培养结果判读提供信息，为微生物生长形态观察提供详细的解释，并在种属水平上促进了各种临床相关病原体的鉴定及定量。Copan WASP的成像分析业务负责人Stefano Oliani说：“由于微生物学的特性和本质，通常对其结果的推理过程是非常主观的，很难描述。现在多亏这种多步骤的分析方法，我们开发出了一种能够遵循微生物工作者推理过程的人工智能分析系统。”

研究成果

研究人员利用一个大型临床数据库，其中包括超过5000个尿液培养样本的数据，评估了DeepColony的性能，结果显示DeepColony和人工判读之间的具有高度的总体一致性，特别是对于阴性培养结果，一致性惊人地准确。Copan WASP软件开发专家和该文章的合著者Stefano Lombardi表示：“在已发表的文献中并没有类似的先例：迄今为止，同类研究只能在非常有限的物种范围内实现细菌菌落的鉴定。通过纳入微生物实验室的相应指南，我们实现了平板水平的判读，并在AI和人工判读之间取得了显著的一致性结果。”

展望未来

综上所述，DeepColony以及PhenoMATRIX™智能软件代表了临床微生物学领域的重大进步，它实现了细菌培养皿的自动化判读，大幅提升了微生物实验室工作流程的效率和质量，将TAT时间缩短了近一倍。它是一个整合了多个层面的决策支持系统，微生物工作者做出临床决策过程中起到了辅助和改善的关键性作用。如Stefano Lombardi所说：“在快速发展的微生物实验室自动化领域，这将大幅简化工作流程，对临床描述、监测从个体到群体患者病理状况的发生和进展的能力，有着显著的增强。”