星洲网
星洲网
星洲网 登入
Newsletter|星洲网 Newsletter 联络我们|星洲网 联络我们 登广告|星洲网 登广告 关于我们|星洲网 关于我们 活动|星洲网 活动

ADVERTISEMENT

ADVERTISEMENT

UNIMAS

2月前
“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。” 在砂拉越加帛医院的一间简朴侧室里,一场静悄悄的革命正在悄然展开。这不是那种能登上头条或掀起全球风潮的革命,而是一场关乎拯救生命的变革,正以细致而坚定的步伐缓缓前进。 这里远离城市医院的喧嚣,工作人员依旧以传统方式采集血液样本,然后送往数百公里外的古晋实验室。然而,真正的未来从下一步才要开始。 在马来西亚砂拉越大学(UNIMAS),这些样本透过马来亚大学(UM)团队开发的人工智能工具进行数位化、处理和分析。这套系统名为MalariaCare+,在检测人类疟疾方面已展现出前所未有的准确度与速度。 “这不是为了人工智能(Artificial Intelligence)而人工智能,”项目负责人、马来亚大学副教授凯鲁妮莎·哈斯金博士说道:“这是实用智能(Applied Intelligence),是与前线人员一同为他们量身打造的工具。” 变幻莫测的敌人 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
2月前
6月前
7月前
8月前