共计 1050 个字符，预计需要花费 3 分钟才能阅读完成。
一项由犹他大学病理学家主导的研究表明，人工智能（AI）工具在检测粪便样本中的寄生虫方面已经超越了人类专家的能力。这一发现可能彻底改变全球实验室对肠道感染的诊断方式。
长期以来，在显微镜下识别寄生虫一直是一项费力的工作，需要高度训练的专家手动检查每个样本中的囊肿、卵或幼虫。然而，根据周二发表在《临床微生物学杂志》上的研究，一种称为卷积神经网络（CNN）的深度学习模型能够以更高的准确性完成这项任务。
- 
ARUP 实验室的科学家们开发了这一 AI 工具，该实验室是全国领先的参考实验室，也是犹他大学医学院病理学系的独立非营利企业。主要作者 Blaine Mathison 表示：’ 这是一项开创性的努力，我们所取得的成就是显著的。我们的验证研究表明，AI 算法具有更好的临床灵敏度，提高了检测到致病寄生虫的可能性。’
为了构建和测试该系统，ARUP 及其合作伙伴 Techcyte 公司使用了从美国、欧洲、非洲和亚洲的实验室收集的 4000 多个寄生虫阳性样本来训练 AI。这些样本代表了 27 类寄生虫，包括一些稀有物种。
研究结果显示，AI 和人工审查之间的阳性一致性达到 98.6%。更值得注意的是，该工具还发现了 169 个在早期人工审查中被遗漏的生物体。ARUP 的首席运营官 Adam Barker 指出：’ 我们正在识别比没有 AI 时更多的生物体，这改善了受影响患者的诊断和治疗。’
此外，检测限研究发现，即使样本被高度稀释，AI 仍然比技术人员发现更多的寄生虫。这表明该系统可以在感染早期或寄生虫水平较低时检测到感染，这在传统方法中往往难以实现。
ARUP 多年来一直率先在临床寄生虫学中使用 AI。2019 年，它成为世界上第一个将 AI 应用于卵和寄生虫测试的三色部分的实验室。2025 年 3 月，它将该能力扩展到湿片分析，成为第一个在整个测试过程中使用 AI 的实验室。
这一技术突破的时机被证明是幸运的：在 2025 年 8 月，ARUP 收到了创纪录数量的寄生虫测试标本。通过 AI 获得的效率使实验室能够在不影响质量的情况下满足需求。
Barker 强调：’AI 算法的好坏取决于输入数据的人员。我们有出色的员工，他们利用广泛的知识和技能构建了一个卓越的 AI 解决方案，不仅有益于实验室，也有益于患者。’
展望未来，ARUP 和 Techcyte 计划继续扩大 AI 在诊断测试中的作用。除了寄生虫学，ARUP 已经实施了 AI 来协助 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。这一进展标志着医疗诊断领域的一个新时代，其中 AI 技术将在提高检测效率和准确性方面发挥越来越重要的作用。
