综述：条件性优势与未解决的瓶颈：人工智能在水生微生物检测中的应用批判性综述

《Applied Microbiology and Biotechnology》：Conditional superiorities and unaddressed bottlenecks: a critical review of artificial intelligence for waterborne microbial detection

　　

摘要

尽管传统的水样微生物检测方法被广泛使用，但它们仍存在检测时间较长（24–72小时）、灵敏度较低以及无法实现实时监测的缺陷。人工智能在特定实验环境中展现出优势，例如在低浊度水中检测隐孢子虫和贾第虫时，通过约12,000张标注过的图像并采用五折交叉验证方法，在实验室条件下可实现99%的灵敏度；然而，当面对高浊度水环境或训练数据不足时，这些优势就会减弱甚至消失。本综述对四类基于人工智能的方法进行了深入评估：基于图像的分析、光谱技术、基因组测序和宏基因组测序，以及预测性污染建模。虽然人工智能有助于提升检测效率、精确度和分析能力，但一系列长期存在的障碍限制了其在实际应用中的推广。主要问题包括数据集不标准化、模型可解释性差、在不同水环境中的泛化能力弱，以及实验室性能与现场操作结果之间存在较大差距。总之，要充分发挥人工智能在水生微生物检测中的作用，应更加重视现场验证、统一的数据标准以及实用的性能指标，而非进一步追求算法创新。本综述旨在为微生物学、人工智能以及水质监测与管理领域的学者和从业者提供实用参考。

要点

• 在实验室条件下，人工智能在微生物检测方面表现优异。

• 在复杂的水环境中，模型性能会大幅下降，且存在诸多实际障碍。

• 标准化的数据和验证机制将推动其在实际应用中的发展。