به گفته‌ی میکروبیولوژیست‌های Beth Israel Deacoess Medical Center (BIDMC)، میکروسکوپ‌های پیشرفته هوش مصنوعی می‌تواند به میکروب شناسی بالینی کمک کند تا عفونت‌های بالقوه‌ی مرگ‌بار را تشخیص داده و احتمال بیماری را کاهش دهد.
در مقاله‌ای منتشر شده در ژورنال Clinical Microbiology دانشمندان نشام داده‌اند که میکروسکوپ‌های پیشرفته اتوماتیک هوش مصنوعی در شناسایی سریع و با دقت باکتری‌ها بسیار تخصصی عمل می‌کند.
سیستم اتوماتیک می‌تواند کمبود فعلی میکروبیولوژیست های آموزش دیده را کاهش دهد. انتظار می‌رود در ۵ سال آینده، ۲۰% تکنولوژیست‌ها به سن بازنشتگی برسند.
James Kirby به عنوان لیدر نویسدگان، طراح آزمایشگاه میکروبیولوژی بالینی در BIDMC می‌گوید:
با توسعه‌ی بیشتر، این فناوری می‌تواند پایه‌ای از یک پلتفرم تشخیص آینده باشد که توانایی‌های آزمایشگاه‌های بالینی و در نهایت سرعت مراقبت از بیمار را افزایش دهد.
تیم Kirby از میکروسکوپ اتوماتیک برای جمع آوری اطلاعات تصویری با وضوح بالا که از اسلایدهای میکروسکوپی طراحی شده بودند، استفاده کردند. در این مورد نمونه خون‌های گرفته شده از بیماران مبتلا به عفونت‌های مکرر خون ریزی به منظور افزایش تعداد باکتری‌ها، انکوباته کردند. سپس اسلایدها با قرار گرفتن یک قطره خون بر روی یک اسلاید شیشه‌ای و رنگ‌آمیزی با رنگ برای بیشتر قابل مشاهده شدن ساختار سلول‌های باکتری، آماده شدند.
مقاله مرتبط: انقلاب هوش مصنوعی در علم
سپس آن‌ها از یک شبکه‌ی عصبی کانولوشن (CNN)، یک دوره‌ی هوش مصنوعی که بر اساس قشر بینایی پستانداران طراحی شده و برای تجزیه و تحلیل داده‌‌های بصری استفاده می‌شود، به منظور دسته بندی باکتری‌ها بر اساس شکل و توزیع آن‌ها استفاده کردند.
این ویژگی‌ها برای نشان دادن باکتری‌هایی که اغلب باعث عفوت خونی می‌شوند، انتخاب شدند: باکتری‌های میله‌ای شکل از جمله E.Coli، خوشه‌های گرد از گونه‌های استافیلوکوکوس‌ها و جفت یا زنجیره‌ای از گونه‌های استرپتوکوکوس‌ها.
Kirby می‌گوید:
این سیستم مثل یک کودک برای یادگیری تشخیص باکتری‌ها نیاز به تمرین و آموش زیاد دارد. اشتباه می‌کند و از اشتباه‌ها درس می‌گیرد!
دانشمندان برای آموزش آن، به شبکه‌ی عصبی مصنوعی خود بیش از ۲۵ هزار تصویر از نمونه‌های خون تهیه شده در طی کارهای معمول بالینی دادند. با برداشتن این تصاویر، که در آن باکتری توسط میکروب‌شاسی بالینی انسان شناسایی شده بود، محققان بیش از ۱۰۰ هزار تصویر آموزشی تولید کردند.
هوش مصنوعی یاد گرفته است که چگونه تصاویر را به سه دسته باکتری (میله‌ای، خوشه‌ای و زجیره‌ای) تقسیم کند که در نهایت تقریباً به دقت ۹۵% رسید.
سپس این تیم الگوریتم را برای مرتب کردن تصاویر جدید از ۱۸۹ اسلاید بدون دخالت انسان به چالش کشیده است. به طور کلی الگوریتم بیش از ۹۳% دقت در هر سه دسته را به دست آورد.
با آموزش و پیشرفت بیشتر، Kirby و همکاراش نشان دادند که پلتفرم ارتقا یافته Al می‌تواند به عنوان سیستم طبقه بندی کاملاً خودکار در آینده مورد استفاده قرار گیرد.
در عین حال Kirby معتقد است طبقه بندی خودکار می‌تواند کمبود تکنولوژیست‌های انسانی را با کمک به آن‌ها کارآمدتر کند. او می‌گوید:
احتمالاً مدت زمان مطالعه‌ی تکنولوژیست‌ها را نیز از دقیقه به ثانیه کاهش دهد.
بیشتر ای تصاویر را می‌توان از راه دور ارسال کرد که بالاترین سطح مهارت را در هر نقطه از اینترنت به دست می‌آورد. این به این دلیل مهم است که شناسایی سریع و تحویل داروهای آنتی بیوتیکی کلید درمان عفونت‌های خونی می‌باشد که می‌تواد تا ۴۰% مرگ بیمارانی را که این بیماری را پیشرفت می‌دهند، کاهش دهد. هر روز یک بیمار بدون درمان می‌شود که با افزایش خطر مرگ و میر همراه است.
Kirby خاطر نشان کرد:
علاوه بر کاربرد بالینی آن، ابزار جدید همچنین می‌تواند برنامه‌های کاربردی در آموزش و تحقیقات میکروب شناسی داشته باشد. همانطور که از آن استفاده می‌کنیم، این ابزار به یک منبع اطلاعات زنده تبدیل می‌شود و می‌تواند برای آموزش کارکنان جدید استفاده شود. این می‌تواند سطح بی‌سابقه‌ای از جزئیات را به عنوان ابزار تحقیق ارائه دهد.
