npj Digital Medicine | 智能手机+AI:无创疟疾筛查新突破!

星标“医工学人”,第一时间获取医工交叉领域新闻动态~

医工学人评论

创新性地结合智能手机成像与人工智能分析,实现了无创、低成本的疟疾风险筛查,虽精度仍待优化,但在资源有限地区具有重要的公共卫生应用潜力。

疟疾,一种由寄生虫引起的传染病,每年仍在全球范围内威胁数百万人的生命,尤其是在撒哈拉以南非洲地区。传统的疟疾检测手段大多依赖血液检测,如快速诊断测试(RDTs)或显微镜观察,但这些方法往往成本高、依赖专业设备和人员、难以在资源匮乏地区大规模推广。

如今,一项最新研究带来了新的可能:仅用智能手机拍摄眼睑结膜图像,就能预测儿童是否感染疟疾!这项创新技术结合放射组学(Radiomics)和深度学习(Deep Learning),为全球疟疾筛查提供了一种无创、低成本的新方案。该研究由美国普渡大学主导,3月10日发表在npj Digital Medicine.

Fig. 1

图1 疟疾风险分层或预筛查的 mHealth 影像组学疟疾放射组学检测的流程图包括三个主要步骤:前端处理(照片采集、眼睑划定和白平衡)、特征提取和选择以及分类。放射组学分析是使用机载智能手机摄像头拍摄的易于接近的外周组织(内眼睑)的照片进行的。

创新突破:用智能手机“看”疟疾!

这项研究的核心创新点在于,利用普通智能手机拍摄眼睑结膜图像,并结合人工智能(AI)算法分析,预测疟疾感染风险研究人员在卢旺达高疟疾流行区收集了405 名 5-15 岁儿童的 4302 张眼睑结膜照片,并通过以下技术步骤实现风险预测:


  1. 图像采集

    • 研究人员使用三星 Galaxy S22 和 Google Pixel 6 等普通智能手机,在自然光下拍摄儿童**内眼睑(结膜)**的照片。

    • 眼睑结膜是微血管丰富的区域,可以反映体内血液变化,成为非侵入式检测的重要窗口。

  2. 智能图像处理与特征提取

    • 采用Mask R-CNN 深度学习模型自动分割眼睑区域,并进行白平衡处理,标准化图像质量。

    • 通过放射组学分析(Radiomics)提取图像的颜色、纹理、微血管特征等关键信息,这些信息人眼无法直接察觉,但 AI 训练模型可以识别其中的变化模式。

  3. AI 疟疾风险预测模型

    • 研究团队构建了基于深度学习的神经网络模型,用于学习和分类不同图像特征,并预测疟疾感染风险。

    • 该模型在独立测试集上的ROC 曲线下面积(AUC)达 0.76,表明其对疟疾感染者与非感染者的区分能力具有一定可行性。


图 2

图2 疟疾和非疟疾参与者内眼睑代表性照片


临床应用潜力:智能手机筛查能否改变游戏规则?

这项技术的最大亮点在于无创、便捷、低成本,特别适用于医疗资源有限的地区。那么,它是否具备现实的临床应用价值呢?

适用于大规模疟疾预筛查

  • 传统的疟疾筛查主要依赖 RDTs,但受限于检测成本和医疗资源。智能手机+AI 方法可以作为第一步风险评估工具,提高检测效率。

  • 未来如果结合手机 App,社区卫生工作者甚至普通用户都能快速进行初步筛查。

降低检测成本,提高可及性

  • 该方法无需专门设备,仅依赖智能手机摄像头即可完成检测,极大降低了筛查成本。

  • 适用于农村诊所、学校和公共卫生项目,帮助早期发现疟疾感染者。

促进 AI 在全球健康领域的应用

  • 这项研究展示了 AI 在移动健康(mHealth)计算机视觉领域的新应用,未来可拓展至其他血液相关疾病(如贫血、登革热)筛查。

然而,该方法也存在一些限制:
精度仍需提高:AUC 仅为 0.76,仍低于 RDTs(通常 >0.85)和 PCR 诊断(>0.9)。未来需要更多数据优化 AI 模型,提高灵敏度和特异性。


未能替代金标准检测:目前,该方法仍不能完全替代 RDTs 或显微镜血涂片检查,但可以作为早期筛查工具,与现有检测手段互补。


适用范围尚需验证:研究仅针对 5-15 岁儿童,尚未验证成人或其他人群的检测效果。未来需要更大规模、多中心研究进行验证。


图 3
图3 使用选定特征对疟疾进行放射组学预测的性能。

智能手机+AI,开启无创疟疾筛查新时代

这项研究为全球疟疾防控带来了新的可能性:智能手机结合 AI,可用于无创、低成本的早期风险筛查,尤其适用于医疗资源有限的地区。尽管该技术仍需优化和验证,但其潜在的临床应用价值不容忽视。


未来,随着 AI 技术的进步和数据积累,该方法有望发展为一款智能手机 App,让普通用户和基层医务人员能够随时随地进行疟疾风险评估,为全球疟疾防控提供新的工具。


扫码添加医工学人小助手,进入综合及细分领域群聊国内外医工交叉领域顶尖高校、科研院所、医院、企业等专家学者、硕博士、工程师、企业家等,参与线上线下交流活动


推荐阅读

HIT Webinar | [王子丰 UIUC] 从假设到证据:大语言模型在医学科学发现中的应用

Nat. Electron | 革命性脑机接口:忆阻器驱动的自适应解码器开启低能耗、高精度交互新篇章

Sci. Adv. | 无电池,无电路!清华团队开发超声植入传感器,实时监测心脏健康

Nature Materials | 仿生蜗牛电化学发光触觉视觉突触,实现实时健康监测

点击关注医工学人

本篇文章来源于微信公众号: 医工学人

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注