全息显微镜能自动地、三维地跟踪…
全息显微镜能够实时自动地、三维地跟踪免疫细胞。
来源:弗劳恩霍夫EMB

哮喘快速诊断试验

哮喘是世界上最常见的呼吸系统疾病之一,超过2.35亿患者受到影响。在儿童中诊断通常比在成人中更难。早期诊断对儿童尤其重要,以预防该病的严重发作。英国EMB的弗劳恩霍夫海洋生物技术和细胞技术研究所的一组研究人员与一些高科技公司合作,开发了一种只需一滴血就能诊断哮喘的快速检测方法。为了做到这一点,合作伙伴使用机器学习。

呼吸困难、气短和咳嗽只是哮喘的一些潜在症状。这些病人的支气管会突然收缩。迅速查明疾病是至关重要的,因为这是降低哮喘发作威胁的唯一方法,哮喘发作甚至可能是致命的。尤其重要的是在儿童早期发现疾病,以便迅速干预和缓解症状。然而,诊断儿童比诊断成人更加复杂和繁琐。有些需要向试管中吹气的试验方法不能用于儿童。费时的肺功能测试只能从四、五岁开始进行。为了解决这一问题,弗劳恩霍夫管理学院与模式识别公司和Raytrix GmbH合作开展了由德国联邦州石勒苏益格-荷尔斯泰因州资助的“KillAsthma”项目。一种新的快速测试预计在60到90分钟后就会有结果——诊断哮喘所需要的只是一滴血和它所包含的免疫细胞。

基于ai的免疫细胞分析

哮喘患者的血细胞运动与健康人不同。“哮喘患者的免疫细胞在炎症刺激的存在下移动得更慢,”弗劳恩霍夫EMB细胞技术工作组的负责人丹尼尔·拉波波特博士解释说。研究团队利用这一知识开发测试集。他们的想法是在专门研制的全息显微镜下观察滴血中的免疫细胞大约90分钟,然后根据它们的运动模式来评估病人是否患有哮喘。这种显微镜,也被称为细胞扫描仪,可以实现自动的,实时的三维细胞跟踪。

人工智能(AI)在这里扮演着关键的角色,在数千个细胞的复杂运动模式中识别特征模式。但是这项技术具体是如何工作的呢?血液和一种引发炎症刺激的物质被填入一个微流体筒中,然后放置在微型显微镜中,微型显微镜由一个LED和一个光学CMOS图像传感器组成,该传感器与计算机软件相连接。这些图像是用专门开发的算法来评估的。拉波波特说:“我们可以同时观察2000到3000个细胞,确保高统计精度。”然后将识别出的运动模式转移到神经网络中。自学习算法分析血细胞运动模式并计算诊断指标。“人工智能让我们能够识别模式中的偏差。我们使用自学习算法来捕捉这些差异。大量的训练数据帮助神经网络识别模式,并区分哮喘患者和健康人群。”

可以得出结论,人工智能也能够学习其他偏离常态的东西。“我们的方法也可以用于分析其他疾病。对于自身免疫性疾病和慢性炎症疾病,如克罗恩病、溃疡性结肠炎和风湿病,尤其如此。诊断这些疾病是一个漫长而乏味的过程,通过量身定制的快速检测可以大大加快速度,”这位Lübeck-based的研究人员说。"初步测试已成功完成。图像评估表明,我们的全息显微镜优于高倍显微镜。”Rapoport和他的项目伙伴目前正在优化硬件和方法。他们的长期目标是确定哮喘的个体表现,从而制定个性化的治疗计划。

订阅我们的时事通讯

相关文章

机器学习帮助诊断白血病

机器学习帮助诊断白血病

波恩大学的研究人员展示了人工智能如何改善血液分析数据的评估。

一支笔,用来固定癌症的边缘

一支笔,用来固定癌症的边缘

在手术过程中,MasSpec笔可以准确地从储存的胰腺样本中区分健康组织和癌组织。

人工智能平台评估血管异常

人工智能平台评估血管异常

研究人员开发了一种人工智能平台,有朝一日可以用于评估血管和眼部疾病的系统。

智能显微镜适合诊断传染病

智能显微镜适合诊断传染病

利用机器学习技术,一台原型显微镜可以自我学习诊断疟疾的最佳照明设置。

利用人工智能在超声波上预测甲状腺癌的风险

利用人工智能在超声波上预测甲状腺癌的风险

托马斯杰斐逊大学的研究人员利用机器学习甲状腺结节的超声波图像来预测恶性肿瘤的风险。

人工智能和放射科医生的结合准确地鉴别出了乳腺癌

人工智能和放射科医生的结合准确地鉴别出了乳腺癌

一种人工智能工具与放射科医生的分析相结合,识别乳腺癌的准确率约为90%。

先进的人工智能增强了眼睛图像的临床分析

先进的人工智能增强了眼睛图像的临床分析

基于卷积神经网络,该工具能够在几秒钟内提供结果,从而支持医生进行全面的图像分析。

人工智能用于筛选FASD

人工智能用于筛选FASD

科学家们开发了一种新的工具,可以快速、经济地检查胎儿酒精谱系障碍(FASD)。

利用AI追踪霍乱疫情

利用AI追踪霍乱疫情

利用人类血液中抗体签名数据的算法可能使科学家能够评估霍乱暴发的规模,并比以往更准确地确定霍乱传播热点。

受欢迎的文章

订阅简报
Baidu