瘧疾曾一度在委內(nèi)瑞拉銷聲匿跡，但如今正卷土重來。研究人員已經(jīng)訓(xùn)練出一個模型來幫助檢測這種傳染病。

委內(nèi)瑞拉的淘金活動致使瘧疾卷土重來，不過研究人員開發(fā)的 AI 模型有望解決這一難題。

在委內(nèi)瑞拉的玻利瓦爾州，為在水域開采金礦而進(jìn)行的森林砍伐擾亂了蚊子的種群分布，蚊子叮咬礦工，使他們感染上了致命的瘧原蟲。

1961 年，委內(nèi)瑞拉被世界衛(wèi)生組織認(rèn)證為無瘧疾國家。據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，2023 年全球約有 2.63 億瘧疾病例，59.7 萬人因瘧疾死亡。

在委內(nèi)瑞拉的這一波瘧疾疫情中，受影響的地區(qū)多為農(nóng)村，這些地區(qū)診所數(shù)量有限，缺乏專業(yè)的顯微鏡檢測人員。

不過，醫(yī)學(xué)與科技交叉領(lǐng)域的研究人員借助 AI 和 NVIDIA GPU，找到了應(yīng)對之策。他們近期在《自然》雜志上發(fā)表了一篇論文，介紹了一種可以自動檢測血液樣本中瘧原蟲的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。

25 歲的 Diego Ramos-Brice?o 擁有工程學(xué)學(xué)士學(xué)位，目前正在攻讀醫(yī)學(xué)博士學(xué)位。他表示：“在委內(nèi)瑞拉，瘧疾曾經(jīng)幾乎完全消失，但去年出現(xiàn)了大約 13.5 萬個病例?！?/p>

識別血液樣本中的瘧原蟲

參與這項(xiàng)工作的研究人員包括 Ramos-Brice?o、Alessandro Flammia-D’Aleo、Gerardo Fernández-López、Fhabián Carrión-Nessi 和 David Forero-Pe?a。他們運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)來識別厚血膜涂片中的惡性瘧原蟲和間日瘧原蟲，準(zhǔn)確率高達(dá) 99.51%。

為了開發(fā)該模型，研究團(tuán)隊(duì)從孟加拉國吉大港醫(yī)學(xué)院附屬醫(yī)院獲取了一個數(shù)據(jù)集，其中包含 5941 張標(biāo)記好的厚血膜涂片顯微鏡圖像。他們對該數(shù)據(jù)集進(jìn)行了處理，然后據(jù)此創(chuàng)建了近 19 萬張標(biāo)記圖像。

Ramos-Brice?o 介紹說：“我們希望這個神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)瘧原蟲的形態(tài)。為此，我們提取了近 6000 張顯微鏡圖像中的所有瘧原蟲形態(tài)。經(jīng)過數(shù)據(jù)增強(qiáng)和分割處理，最終得到近 19 萬張圖像用于模型訓(xùn)練。”

這篇研究論文指出，傳統(tǒng)顯微鏡檢測方法在檢測結(jié)果準(zhǔn)確性和一致性方面存在局限性，而該模型恰好能彌補(bǔ)這些不足。

利用游戲 GPU 和 CUDA進(jìn)行模型訓(xùn)練與推理

在模型訓(xùn)練階段，該瘧疾研究團(tuán)隊(duì)借助了指導(dǎo)其科研的計(jì)算機(jī)科學(xué)教師提供的一塊RTX 3060 GPU。

Ramos-Brice?o 表示：“我們使用了 PyTorch Lightning 框架和NVIDIA CUDA加速技術(shù)。與 CPU 相比，它能實(shí)現(xiàn)高效的并行計(jì)算，大大加快矩陣運(yùn)算和神經(jīng)網(wǎng)絡(luò)的準(zhǔn)備工作?！?/p>

他還提到，在推理階段，這類 GPU 只需幾秒鐘就能根據(jù)血液樣本做出瘧疾診斷。

他分享道，缺乏專業(yè)顯微鏡檢測人員的診所可以使用該模型，輸入自有數(shù)據(jù)進(jìn)行遷移學(xué)習(xí)。這樣一來，該模型就能針對診所提交的圖像類型、自動處理光照條件等因素，從而實(shí)現(xiàn)更精準(zhǔn)診斷的出色性能。

Ramos-Brice?o 表示：“對于那些遠(yuǎn)離城市、資源匱乏的地區(qū)而言，這或許是解決瘧疾問題的好方法?！?/p>