编辑推荐：
在临床中，器械相关的生物膜感染日益增多，体外生物膜模型研究却因缺乏统一的生物膜成熟度描述而受阻。研究人员开展了基于原子力显微镜（AFM）特征的金黄色葡萄球菌生物膜成熟度分类研究，开发出机器学习算法，其准确率达 66% ± 6% ，意义重大。
在医疗领域，生物膜相关感染一直是个令人头疼的难题。随着医疗器械在临床上的广泛应用，与器械相关的生物膜感染发生率也在不断上升。这些生物膜就像细菌的 “坚固堡垒”，不仅对抗生素有很强的抵抗力，还能巧妙地躲避宿主免疫系统的攻击，使得感染难以治疗。目前，在体外生物膜模型的研究中，存在着诸多问题。不同研究使用的模型在技术设置、生物输入和检测方法上差异很大，而且对于生物膜成熟度的描述，除了简单的孵育时间外，缺乏一个普遍认可的系统。这就好比在建造高楼时，没有统一的图纸，大家各自为政，导致研究结果难以比较和整合，严重阻碍了对生物膜相关感染的深入研究和有效治疗。
为了解决这些问题，来自国外多个研究机构的研究人员展开了一项重要研究。他们致力于构建一个全新的生物膜成熟度分类体系，并借助机器学习算法实现自动化分类。最终，研究取得了一系列重要成果，这些成果发表在《Biofilm》杂志上，为该领域的研究开辟了新的道路。
在研究过程中，研究人员运用了多种关键技术方法。首先是原子力显微镜（AFM）成像技术，通过该技术获取生物膜的高分辨率图像，清晰展现生物膜的微观结构特征，包括可见的植入材料（作为生物膜形成的底物）、细菌细胞覆盖情况以及细胞外基质（ECM）的存在情况 。其次，采用了机器学习算法，通过构建和训练模型，让算法学习生物膜图像的特征，从而实现对生物膜成熟度的自动分类。此外，研究还涉及图像的标注和数据集的构建，为算法训练提供了基础数据。
下面来看具体的研究结果：
- 评估专家定义的标准和观察者间的差异：研究人员挑选了 15 张注释图像，邀请 7 位没有 AFM 生物膜图像经验的研究人员进行分类。结果显示，平均准确率为 0.77 ± 0.18，表明观察者之间存在较大差异。进一步分析发现，多数分类差异与实际类别接近，若将差异在 1 个类别的情况视为可接受，此时的准确率为 0.90 ± 0.15 。
- 算法的准确性表现：研究人员开发了模型并进行测试。基于标准分类方案，算法的准确率达到 0.66 ± 0.06，而简化版本的分类方案下，算法准确率更高，最高可达 0.83 ± 0.06 。F1 分数与准确率相近，表明算法在精确率和召回率之间较为平衡。此外，不同版本模型的离群值准确率均≥0.91 ±0.05，说明多数预测偏差较小。通过计算交叉熵损失评估模型是否过拟合，结果显示在 20 个训练周期内，未出现过拟合导致的准确率大幅下降情况。
- 类别混淆评估：研究人员通过创建类别混淆矩阵分析算法的错误分类情况。发现大多数预测集中在对角线或其附近，意味着预测结果基本正确或偏差较小。但在混淆矩阵的右上角，存在较多错误预测，如将 0 类和 1 类图像误判为 4 类。
- 算法的验证：研究人员利用外部实验室的数据对算法进行验证。使用来自 Miguel Castanho Lab 的金黄色葡萄球菌（S. aureus）LUH14616 菌株的 AFM 图像，标准模型推理输出的准确率为 0.56 ± 0.04 ，离群值准确率为 0.92 ± 0.03。对S. aureus ATCC 6538 菌株生物膜图像的测试中，标准模型准确率为 0.47 ± 0.06 ，离群值准确率为 0.97 ± 0.02。然而，对于凝固酶阴性的表皮葡萄球菌（Staphylococcus epidermidis）LUH15408 菌株的生物膜图像，算法表现不佳，标准准确率和离群值准确率分别不超过 0.26 ± 0.03 和 0.59 ± 0.03 。此外，研究人员还对算法的测试 - 重测可靠性进行评估，发现小的离群值差异在高估和低估方面较为均衡，而较大差异更倾向于高估类别，且在 50 次运行中，只有相对较少的 22 张S. aureus生物膜图像偏差超过 1 个类别。
- 基于分类算法的研究工具设置：研究人员基于开发的算法创建了一个开源工具，并在不同处理速度的电脑上进行测试，结果显示该工具可用性良好，能够输入图像或图像文件夹，并生成包含图像名称和相应分类的 Excel 数据文件。
研究结论和讨论部分指出，本研究构建了基于生物膜特征而非孵育时间的分类系统，并通过机器学习算法实现自动化分类，为解读金黄色葡萄球菌生物膜图像提供了帮助。虽然当前研究存在一些局限性，如图像数量有限、数据集类别分布不均等，但算法的准确率已与人工分类相当，且具有速度快、无主观偏差等优势。未来，若能增加图像数量、优化数据集，有望提高算法的准确性。此外，该算法还可进一步拓展应用于研究抗菌治疗对生物膜的影响，以及分析实际感染患者材料中的生物膜，从而为临床治疗提供更有价值的参考。这一研究成果为生物膜相关感染的研究和治疗奠定了重要基础，具有广阔的应用前景。
