共计 740 个字符，预计需要花费 2 分钟才能阅读完成。
近日，《临床微生物学杂志》发表了一项突破性研究，由 ARUP 实验室与 Techcyte 公司联合开发的深度学习模型，在粪便样本寄生虫检测方面取得显著成果。这一人工智能技术的应用，有望彻底改变全球实验室对肠道感染的诊断方式。
传统显微镜检测寄生虫不仅耗时，而且高度依赖专业人员的技术水平。相比之下，新开发的卷积神经网络（CNN）深度学习模型不仅大幅提高了检测效率，其准确率更超越了经验丰富的技术人员。研究主要作者 Blaine Mathison 表示，这项开创性工作使 AI 算法具有更好的临床灵敏度，显著提高了检测到病原性寄生虫的可能性。
- 
- 
为了构建和测试这一系统，研究团队使用了来自全球实验室的 4000 多个寄生虫阳性样本进行训练，涵盖了 27 种寄生虫，包括日本血吸虫等稀有物种。研究结果显示，AI 与人工审查的阳性一致率达到 98.6%，并发现了 169 个在早期人工审查中被遗漏的生物体。
更令人印象深刻的是，即使在样本高度稀释的情况下，AI 系统仍然能够准确检测到寄生虫。这一特性使其能够在感染早期或寄生虫水平较低时进行准确诊断。ARUP 实验室自 2019 年首次将 AI 应用于寄生虫检测以来，不断推进技术创新，并于 2025 年 3 月成为全球首个在整个测试过程中使用 AI 的实验室。
这项技术的实际应用价值已得到验证。2025 年 8 月，ARUP 实验室收到了创纪录数量的寄生虫测试样本，得益于 AI 系统带来的效率提升，实验室在保证检测质量的同时，成功应对了检测需求的大幅增长。
ARUP 和 Techcyte 公司计划继续扩大 AI 在诊断测试中的应用范围。除了寄生虫学领域，ARUP 已经实施了 AI 辅助的 Pap 测试，并正在开发其他工具以简化实验室操作并提高诊断准确性。这项由多位科学家共同完成的研究，标志着 AI 在医疗诊断领域的又一重要里程碑。
