多对比度机器学习提升血吸虫病诊断效能：基于暗场与明场成像的自动化检测策略

这篇研究创新性地将暗场(DF)与明场(BF)成像结合机器学习(ML)，开发出基于手机显微镜(SchistoScope)的血吸虫病自动诊断系统。通过科特迪瓦两项现场研究(n=349/375患者)验证，DF模型及BF-DF组合的灵敏度达81%(特异性>96.5%)，满足WHO监测评估(TPP)标准，为资源有限地区提供了便携(<1kg)、快速(<5分钟)且无需复杂样本处理的诊断方案。

　　

多对比度成像技术突破诊断瓶颈

引言

血吸虫病作为影响2.5亿人口的被忽视热带病(NTD)，其诊断金标准——尿液镜检依赖专业人员。研究团队开发的SchistoScope手机显微镜突破传统限制，通过集成暗场(DF)与明场(BF)双模式成像，结合YOLOv8算法实现自动化虫卵检测。

材料与方法

在科特迪瓦两项独立现场研究中，团队收集349例(2020年)和375例(2021年)患者尿液样本，使用定制毛细管浓缩虫卵后，通过SchistoScope同步获取BF/DF图像(4032×3024像素，1.1μm/像素)。训练策略采用迁移学习，将图像分割为30个640×640像素区块，以专家标注为金标准进行5折交叉验证。

关键发现

• 成像优势：DF成像使虫卵边缘散射特征更显著，临床标注者反馈DF图像辨识度优于传统BF(图1C)。

• 模型性能：在监测评估(M&E)场景下，DF模型灵敏度达88%(BF为84%)，特异性>96.5%时所有组合均达WHO标准(图2D)。对象级组合策略使敏感度进一步提升4-10%。

• 现场验证：跨数据集测试中，DF模型保持76%灵敏度(BF为71%)，Bootstrapping分析显示组合模型稳定性更优(p<0.0001)(图4D)。

技术突破

研究首次实现三种创新结合：

1. 低成本DF光学系统(仅增加倾斜LED)与手机显微镜集成

2. 布尔运算组合策略：对象级"与"(AND)运算消除83%假阳性，患者级"或"(OR)运算召回漏检真阳性

3. 兼容多种架构(YOLOv5/v8, ResNet50)，模型体积<5MB适于移动端部署

临床意义

满足WHO诊断靶标产品档案(TPP)核心要求：

• 便携性：设备重量<1kg，电池供电

• 时效性：样本-to-结果时间<2小时

• 可及性：无需离心/染色，DF成像零成本增加

未来展望

团队计划将模型部署至SchistoScope进行实时诊断验证，并探索相位差/荧光等多模态成像。该技术框架可扩展至曼氏血吸虫(S. mansoni)等寄生虫病诊断，为消除NTD提供新范式。

（注：全文数据源自PLOS Neglected Tropical Diseases公开论文，所有结论均基于原文实验数据，未添加主观推断）