ハイブリッド深層学習モデルを用いたトリパノソーマ寄生虫の優れた自動同定

要約

世界中の医療用血液寄生虫が、ローコードAIプラットフォーム上で簡単な手順で自動的にスクリーニングされました。血液膜の前向き診断は、ハイブリッド深層学習モデルにおける物体検出および分類手法を使用することによって改善されました。アクティブモニタリングと十分に訓練されたモデルのコラボレーションは、トリパノソーマ伝達のホットスポットを特定するのに役立ちます。

要約

トリパノソーマ症は、南アジアや東南アジアなど、世界のいくつかの地域で重大な公衆衛生上の問題となっています。積極的なサーベイランス下にあるホットスポット地域の特定は、病気の伝播を制御するための基本的な手順です。顕微鏡検査は、一般的に使用される診断方法です。それにもかかわらず、それは主に熟練した経験豊富な人材に依存しています。そこで、社内のローコードAIプラットフォーム(CiRA CORE)上で、物体識別と物体分類ニューラルネットワークバックボーンのハイブリッド深層学習技術を活用した人工知能(AI)プログラムを導入しました。このプログラムでは、トリパノソーマ原生生物( Trypanosoma cruzi、 T. brucei、T. evansi)を油浸顕微鏡画像から同定し、分類することができます。AIプログラムは、パターン認識を利用して、1つの血液サンプル内の複数の原生動物を観察および分析し、アテンションマップを使用して、各寄生虫の核と動態形成体を特定の特徴として強調表示します。

AIプログラムのパフォーマンスを評価するために、精度、再現率、特異性、精度、F1スコア、誤分類率、受信者動作特性(ROC)曲線、精度対再現率(PR)曲線など、さまざまな統計的尺度を提供する2つの独自のモジュールが作成されます。評価結果は、AIアルゴリズムが寄生虫の特定と分類に有効であることを示しています。この技術は、迅速で自動化された正確なスクリーニングツールを提供することで、疾病の監視と管理を変革する可能性を秘めています。また、地方当局が病気の伝播を阻止する戦略について、より多くの情報に基づいた決定を下すのにも役立ちます。

概要

トリパノソーマ症は、南アジアや東南アジアなど、アフリカ大陸やアメリカ大陸以外の地域に広く分布するさまざまな人獣共通感染症種がヒトの病気を引き起こすため、世界的な健康問題に対する重大な課題です^1,2,3。ヒトアフリカトリパノソーマ症(HAT)または睡眠病は、トリパノソーマ・ブルーセイ・ガンビエンセとT.b.ロデシエンセによって引き起こされ、それぞれ慢性型と急性型を産生し、アフリカでの主要な蔓延を表しています。原因となる寄生虫は、ツェ^ツェバエの感染した唾液による感染により、サリバリアグループに属します4。一方、T. cruziによって引き起こされるよく知られたアメリカのトリパノソーマ症(シャーガス病)は、非流行国の公衆衛生上の懸念事項となっています。カナダ、アメリカ、ヨーロッパ、オーストラリア、日本など、^{流行地域からの}個体の頻繁な移動が原因です5。トリパノソーマ感染症は、感染したレデュビイド虫の糞便によって伝染するため、ステルコラリアグループに属します。T. evansi感染によって引き起こされるトリパノソーマーゼおよびトリパノソーマ症(Surra病)は、アフリカ、南アメリカ、西アジア....

プロトコル

アーカイブされた血液フィルムとプロジェクトデザインは、チュラロンコン大学獣医学部の施設バイオセーフティ委員会、動物管理および使用委員会(IBC No.2031033およびIACUC第1931027号)、およびモンクット王工科大学ラカバン校のヒト研究倫理委員会(EC-KMITL_66_014)によって承認されました。

1.RAW画像の準備

1. 画像データセットの準備
   1. 寄生虫学者の専門家によって確認された、T. brucei、T. cruzi、T. evansi など、血液寄生虫感染症の陽性スライドを少なくとも 13 枚入手する。13 枚のスライドをトレーニング (10 枚) とテスト用 (3 枚) に分けます。
   2. デジタルカメラで光学顕微鏡の油浸場下で、上記のギムザ染色薄膜の画像を取得します。顕微鏡検査で3つの寄生虫種すべてのトリポマスティゴットの複数のオブジェクトを含む画像を取得します。細い形、長い尾、波打つ膜、前端のキネトプラストを探します。
      注:厚い塗抹標本と薄い塗抹標本の両方を作成すると、急性期トリパノソーマ症の検出が強化されます³¹。指刺しによる採血は^WHO32によって推奨されています。それにもかかわらず、Trypanosoma c....

ディスカッション

トリパノソーマ原虫感染の顕微鏡観察は、特に熟練した技術者が不足しており、労働集約的で時間のかかるプロセスがあり、保健機関にタイムリーに報告する上での障害となっている遠隔地でのサーベイランスでは、早期かつ一般的に使用されています。免疫学やポリメラーゼ連鎖反応(PCR)などの分子生物学技術は、検査所見の有効性を裏付ける高感度の方法として承認されていますが、そ?.......

資料

Name	Company	Catalog Number	Comments
Darknet19, Darknet53 and Densenet201	Gao Huang, Z. L., Laurens van der Maaten. Densely Connected Convolutional Networks. arXiv:1608.06993 [cs.CV]. (2016)	https://github.com/liuzhuang13/DenseNet	Deep convolutional neural network model that can function to  classification Generic name: YOLO model/ detection model?
Olympus CX31 Model CX31RRBSFA	Olympus, Tokyo, Japan	SN 4G42178	A light microscope
Olympus DP21-SAL U-TV0.5XC-3	Olympus, Tokyo, Japan	SN 3D03838	A digital camera Generic name: Classification models/ densely CNNs
Window 10	Microsoft	Window 10	Operation system in computers
YOLO v4-tiny	Naing, K. M. et al. Automatic recognition of parasitic products in stool examination using object detection approach. PeerJ Comput Sci. 8 e1065, (2022).	https://git.cira-lab.com/users/sign_in	Deep convolutional neural network model that can function to both localization and also classification
		https://git.cira-lab.com/users/sign_in