瘧疾曾一度在委內瑞拉銷聲匿跡，但如今正卷土重來。研究人員已經訓練出一個模型來幫助檢測這種傳染病。

委內瑞拉的淘金活動致使瘧疾卷土重來，不過研究人員開發(fā)的 AI 模型有望解決這一難題。

在委內瑞拉的玻利瓦爾州，為在水域開采金礦而進行的森林砍伐擾亂了蚊子的種群分布，蚊子叮咬礦工，使他們感染上了致命的瘧原蟲。

1961 年，委內瑞拉被世界衛(wèi)生組織認證為無瘧疾國家。據世界衛(wèi)生組織統(tǒng)計，2023 年全球約有 2.63 億瘧疾病例，59.7 萬人因瘧疾死亡。

在委內瑞拉的這一波瘧疾疫情中，受影響的地區(qū)多為農村，這些地區(qū)診所數量有限，缺乏專業(yè)的顯微鏡檢測人員。

不過，醫(yī)學與科技交叉領域的研究人員借助 AI 和 NVIDIA GPU，找到了應對之策。他們近期在《自然》雜志上發(fā)表了一篇論文，介紹了一種可以自動檢測血液樣本中瘧原蟲的卷積神經網絡（CNN）。

25 歲的 Diego Ramos-Brice?o 擁有工程學學士學位，目前正在攻讀醫(yī)學博士學位。他表示：“在委內瑞拉，瘧疾曾經幾乎完全消失，但去年出現(xiàn)了大約 13.5 萬個病例?！?/p>

識別血液樣本中的瘧原蟲

參與這項工作的研究人員包括 Ramos-Brice?o、Alessandro Flammia-D’Aleo、Gerardo Fernández-López、Fhabián Carrión-Nessi 和 David Forero-Pe?a。他們運用卷積神經網絡來識別厚血膜涂片中的惡性瘧原蟲和間日瘧原蟲，準確率高達 99.51%。

為了開發(fā)該模型，研究團隊從孟加拉國吉大港醫(yī)學院附屬醫(yī)院獲取了一個數據集，其中包含 5941 張標記好的厚血膜涂片顯微鏡圖像。他們對該數據集進行了處理，然后據此創(chuàng)建了近 19 萬張標記圖像。

Ramos-Brice?o 介紹說：“我們希望這個神經網絡能學習瘧原蟲的形態(tài)。為此，我們提取了近 6000 張顯微鏡圖像中的所有瘧原蟲形態(tài)。經過數據增強和分割處理，最終得到近 19 萬張圖像用于模型訓練。”

這篇研究論文指出，傳統(tǒng)顯微鏡檢測方法在檢測結果準確性和一致性方面存在局限性，而該模型恰好能彌補這些不足。

利用游戲 GPU 和 CUDA進行模型訓練與推理

在模型訓練階段，該瘧疾研究團隊借助了指導其科研的計算機科學教師提供的一塊RTX 3060 GPU。

Ramos-Brice?o 表示：“我們使用了 PyTorch Lightning 框架和NVIDIA CUDA加速技術。與 CPU 相比，它能實現(xiàn)高效的并行計算，大大加快矩陣運算和神經網絡的準備工作。”

他還提到，在推理階段，這類 GPU 只需幾秒鐘就能根據血液樣本做出瘧疾診斷。

他分享道，缺乏專業(yè)顯微鏡檢測人員的診所可以使用該模型，輸入自有數據進行遷移學習。這樣一來，該模型就能針對診所提交的圖像類型、自動處理光照條件等因素，從而實現(xiàn)更精準診斷的出色性能。

Ramos-Brice?o 表示：“對于那些遠離城市、資源匱乏的地區(qū)而言，這或許是解決瘧疾問題的好方法。”