《Microbiology Spectrum》：Gram staining decipherment using an artificial intelligence-powered smartphone-based application
编辑推荐：
本研究针对尿路感染诊疗中革兰染色解读高度依赖专业微生物学家、可及性受限的问题，开发了一套基于智能手机和人工智能（AI）的计算机辅助诊断（CAD）系统。研究团队训练AI模型解读革兰染色尿液样本的显微图像，并对不同成像设备和染色方法（Bartholomew and Mittwer vs. Favor）进行了系统比较。结果显示，该AI系统在细菌形态学（Class 1）和推断菌种（Class 2）分类上表现出良好性能，其准确性更多取决于染色方法（与训练数据一致的方法更优）而非成像设备，且避免标尺等无关噪音可提升性能。该研究为在资源有限环境下推广标准化、高效的革兰染色快速诊断工具提供了关键数据支撑。
尿路感染是临床最常见的感染性疾病之一，快速确定病原体并选择合适的抗生素是成功治疗、避免耐药性产生的关键。传统的细菌培养和药敏试验虽然准确，但通常需要等待数天，可能延误治疗。革兰染色作为一种经典的快速检测方法，能在短时间内提供关于细菌形态（如革兰阳性球菌GPC、革兰阴性杆菌GNR等）的初步信息，从而指导经验性抗菌治疗。然而，这项技术的“卡脖子”环节在于其结果的解读——它高度依赖训练有素的微生物学专家或感染病医师的专业判断。在基层医疗机构、夜间或资源匮乏地区，这类专家往往并不在场，使得这一快速诊断工具的潜力无法充分发挥。
为了解决这一临床痛点，一个由K. Yamanouchi等人领导的研究团队将目光投向了近年来飞速发展的人工智能技术。他们设想：能否开发一套基于智能手机的计算机辅助诊断（CAD）系统，让普通的医疗工作者也能像专家一样，快速、准确地解读尿液标本的革兰染色结果？这个想法听起来很美妙，但实现起来却面临诸多现实挑战。临床实践中，用于拍摄显微图像的设备五花八门，从专业的显微镜摄像头到各种品牌的智能手机；不同实验室采用的革兰染色方法（如Bartholomew and Mittwer法、Favor法）也可能不同，这会导致染色色调和清晰度存在差异。这些变量会影响AI“看到”的图像质量，进而可能影响其判断的准确性。那么，这个AI系统的表现究竟在多大程度上受不同设备和染色方法的影响？为了回答这个问题，研究人员开展了一项系统性的比较研究，并将成果发表在了《Microbiology Spectrum》期刊上。
为了开展这项研究，作者们主要运用了几项关键技术方法。首先，他们构建了一个基于云端人工智能模型的智能手机CAD应用系统，其核心AI架构采用了在ImageNet上预训练的ConvNeXt模型，并针对尿液革兰染色图像进行了微调。研究设计了两个分类任务模型：Class 1模型用于多标签的细菌形态学分类（如酵母菌、GPC、GPR等7类）；Class 2模型则用于推断17个预定义的物种或物种群水平类别。其次，在图像采集方面，研究采用了标准化的流程，在1000倍油镜下采集单个显微视野，并使用了五种成像设备（包括DP23显微镜摄像头、iPhone、Galaxy、Xperia和AQUOS智能手机）以及两种染色方法（Bartholomew and Mittwer法、Favor法）来创建两个图像数据集（Data set 1和Data set 2），样本来源于日本两家三级医院（国立全球卫生与医学中心及神户大学医院）的临床残留尿液标本。此外，研究还引入了证据学习框架来为AI的预测提供置信度评估，并将AI的表现与一组经过认证的微生物学专家（MS）的解读结果进行了对比。
性能评估与设备比较
研究人员首先评估了CAD系统在两个数据集上的整体表现。在Data set 1（使用Bartholomew and Mittwer法染色，并用五种设备拍摄）中，AI对细菌形态（Class 1）分类的准确率为0.804，对推断菌种（Class 2）的准确率为0.640。在Data set 2（使用iPhone拍摄，比较Bartholomew and Mittwer和Favor两种染色法）中，Class 1和Class 2的准确率分别达到0.885和0.666。通过对比不同设备，他们发现专业显微镜摄像头（DP23）的图像获得了最高的分类准确性和Kappa系数，而AQUOS智能手机的表现最差。但值得注意的是，尽管用于训练AI模型的图像主要来自iPhone拍摄的Bartholomew and Mittwer法染色样本，但CAD的预测准确性并未完全依赖于训练所用的设备型号，设备间的差异对整体准确性的影响相对有限。
染色方法的影响
相比之下，染色方法的影响更为显著。在Data set 2中，使用与训练数据相同的Bartholomew and Mittwer法染色的样本，其Class 1和Class 2的分类准确率（0.91和0.69）显著优于使用Favor法染色的样本（0.86和0.64）。这表明，AI模型的性能在很大程度上依赖于训练数据所使用的染色方法，使用不同的染色方法可能导致性能下降。
标尺（测微尺）带来的噪音
一个有趣的发现是，在图像采集时引入标尺（测微尺）反而会降低AI的分类性能。比较Data set 1（有标尺）和Data set 2（无标尺）中，同样用iPhone拍摄且经Bartholomew and Mittwer法染色的图像，Class 1的准确率从0.81下降到了0.91。研究人员分析，标尺作为一种与目标细菌无关的视觉噪音，可能会干扰AI模型的判断。而显微镜摄像头的标尺通常位于固定位置，易于在图像处理时裁剪掉，因此其负面影响较小。
置信度与可解释性
研究利用证据学习框架为AI的每个预测生成了一个“置信度值”。结果清晰显示，当AI对其预测具有高置信度（高于置信度分布的中位数）时，其分类错误率可以低至5%以下。这意味着，在未来临床应用中，医生可以重点关注那些AI给出高置信度的预测结果，而对于低置信度的结果则采取更谨慎的态度或交由专家复核，从而在提高效率的同时保障诊断安全。
与微生物学专家的对比
研究还将AI的表现与一组微生物学专家（MS）的解读进行了比较。总体而言，MS在大多数设备和染色方法下的解读准确率高于AI。例如，在Data set 1中，MS使用显微镜摄像头（DP23）解读的Class 1准确率达到0.85，而AI为0.82。然而，在某些方面AI也展现出优势或可比性。更重要的是，研究发现无论是MS还是AI，对多微生物（Polymicrobial）样本的判断都相对困难，准确率较低。这提示，基于单张静态图像判断样本中是否存在多种不同形态的细菌，对人和机器来说都是一项挑战。
综合研究结果与讨论，本研究的核心结论可归纳为以下几点：
- 1.
可行性验证：基于人工智能和智能手机的CAD系统能够有效解读尿液革兰染色，在细菌形态学分类和菌种推断上达到可接受的准确率，为解决微生物学专家资源短缺问题提供了可行的技术方案。
- 2.
关键影响因素：该AI系统的性能主要受染色方法一致性影响，而对成像设备品牌的依赖性相对较小。这意味着在实际推广中，确保使用与AI训练数据相同的标准化染色流程，比统一采购特定品牌的昂贵摄像设备更为重要。
- 3.
图像质量优化：应避免在显微图像中引入标尺等无关的视觉噪音，以提升AI的判断性能。标准化、干净的图像采集流程是保证系统可靠性的关键。
- 4.
人机协同的临床应用路径：AI提供的置信度评估是宝贵的“元信息”。未来可构建“人机协同”工作流：AI对高置信度结果进行自动快速报告，对低置信度或复杂（如多微生物）样本则标记并提交给专家复核。这既能显著提升常规检测效率，又能通过专家干预保障疑难病例的诊断质量。
- 5.
现实世界的挑战：研究也揭示了将实验室AI模型推向真实临床场景所必须考虑的现实复杂性，包括不同机构间染色流程的差异、非专业人员制片可能带来的质量波动等。这些因素的验证和标准化是未来研究的重要方向。
这项研究的意义在于，它没有停留在开发一个“实验室精度”的AI模型，而是向前迈出了关键一步，系统评估了影响该技术实际落地应用的核心变量。它清晰地指出，推动AI辅助诊断从论文走向病房，技术本身的优化固然重要，但与之匹配的标准化操作流程（SOP）和与之适配的临床工作流程设计可能更为关键。该研究为开发鲁棒、实用且成本可控的床边或基层快速微生物诊断工具提供了重要的实证依据和方法学参考，对促进抗菌药物合理使用、应对细菌耐药性这一全球公共卫生挑战具有积极意义。
