【教育导航】大马团队打造AI疟疾诊断助手，为前线医疗带来第二双眼睛

诺氏疟原虫（Plasmodium knowlesi，又称猴疟虫），原本只感染猕猴，如今已成为马来西亚，尤其是沙巴和砂拉越人类疟疾的主要病原。由于诺氏疟原虫在显微镜下与其他疟原虫极为相似，加上其快速的24小时繁殖周期，使得诊断变得既迫切又困难。

在乡村诊所，训练有素的寄生虫学家人数有限，诊断工具也简陋，所以误诊情况很常见。市面上虽然已有一些检测疟疾的AI工具，但许多工具要么过于复杂，要么是针对其他地区常见的疟原虫种类进行训练，而非针对本地病例。

正是这种差距促使马大团队开发了MalariaCare+：一款可在行动装置使用，由AI驱动，并特别针对马来西亚情况量身定制的疟疾诊断助手。

建构引擎，从零开始

在“2025年AI医疗研究补助项目”支持下，研究团队首先专注于打好基础，也就是让AI“看”得更清楚。

迄今为止，他们的主要成果是验证了一种YOLO模型。这是一种深度学习引擎，即使在红血球密集重叠的区域，也能够辨识感染疟疾的红血球。多数现有的影像分析系统难以应付这种情况，尤其是当面对偏远地区的低品质切片时。

“我们训练AI去发现即使是最锐利的肉眼也可能忽略的细节，”凯鲁妮莎博士说：“这不是要取代医生或临床医护人员，而是要在他们最需要的时候，为他们提供第二双专业的眼睛。”

这套AI模型已整合到一个用于人类疟疾检测的应用程式中，目前正以来自砂拉越（包括加帛医院）的真实血液抹片测试，并在砂拉越大学处理分析。

大学与诊所的协同合作

虽然加帛医院不具备先进的诊断实验室，但它在收集患者样本，并送往砂拉越大学分析的流程中扮演关键角色。马大、砂拉越大学与前线临床机构之间的协作，使得这个项目不仅实用，而且非常及时。

“我们并非闭门造车，”凯鲁妮莎博士指出：“这是跟医生、技术人员与实地研究者不断交流后才形成的方案，因为他们知道真正的痛点在哪里。”

下一阶段仍在研发中，这款AI模型接下来的目标，是不仅要协助临床人员判断患者是否感染疟疾，还能知道寄生虫处于哪个阶段，这对于更快且个人化的治疗至关重要。

团队目前也计划将MalariaCare+纳入砂拉越大学与马大的教学模组中，希望帮助学生不仅了解疟疾的生物学原理，也了解科技在公共卫生领域的应用潜力。

“这关乎数码平权，”凯鲁妮莎博士强调：“AI工具不应仅局限于高收入医院，而应该服务于任何人、任何地方，尤其是最需要它们的地方。”

回到加帛医院，另一片抹片正被小心地标记并放入箱中，准备踏上前往实验室的长途旅程。这虽然是一个微小的动作，但如今在另一端，有一位强大的伙伴正等着它的到来。

更多文章：

化妆品里的科学 从日常培养对理科的兴趣
飞机维修工程师 在冲上云霄之前为安全把关
法医人类学 解析骨头里的话