奥雅纳实验室的科学家开发了一种人工智能 （AI） 工具，可以比传统方法更快、更准确地检测粪便样本中的肠道寄生虫，从而有可能改变世界各地实验室诊断寄生虫感染的方式。

图：临床微生物学杂志

长期以来，在显微镜下识别寄生虫一直是一项艰巨的任务，需要训练有素的专家手动搜索每个样本以寻找明显的囊肿、卵或幼虫。现在，根据2025年10月发表在《临床微生物学杂志》上的一项研究，一种称为卷积神经网络 （CNN） 的深度学习模型以高精度实现了这项工作。

研究人员证明，人工智能系统可以比人类观察者更灵敏地检测湿粪便中的寄生虫，即使是那些拥有多年寻找这些迹象经验的人。

“这是一项开创性的努力，我们所取得的成就是非凡的，”主要作者、奥雅纳寄生虫学技术总监、犹他大学病理学系兼职讲师布莱恩·马蒂森 （Blaine Mathison） 说。“我们的验证研究表明，人工智能算法具有更好的临床敏感性，提高了检测到致病性寄生虫的可能性。”

在数千个样本上训练 AI

为了构建和测试该系统，奥雅纳及其合作伙伴、犹他州一家名为 Techcyte 的科技公司使用从美国、欧洲、非洲和亚洲的实验室收集的 4,000 多个寄生虫阳性样本来训练人工智能。这些样本代表了 27 类寄生虫，包括稀有物种，例如来自菲律宾的日本血吸虫和菲律宾副毛细血管，以及来自非洲的曼氏血吸虫。

“当你考虑到用于验证人工智能算法的生物体和阳性标本的数量时，这确实是一项强有力的研究，”马蒂森说。

经差异分析，AI与人工审核的正一致性为98.6%。该工具还发现了在早期人工审查中遗漏的另外 169 种生物体。

“我们正在识别的生物体比没有人工智能时更多的生物体，这改善了受影响患者的诊断和治疗，”奥雅纳首席运营官亚当·巴克说。

此外，一项检测极限研究发现，即使样本被高度稀释，人工智能也始终比技术人员发现更多的寄生虫，这表明该系统可以在早期阶段或寄生虫水平较低时检测感染。

从创新到实施

多年来，奥雅纳一直是人工智能在临床寄生虫学中的应用的先驱。2019年，它成为世界上第一个将人工智能应用于卵子和寄生虫测试的三色部分的实验室。2025 年 3 月，它扩展了这一能力，将湿式安装分析纳入其中，成为第一家在整个测试过程中使用人工智能的实验室。

8 月，奥雅纳收到了创纪录数量的寄生虫检测标本。通过人工智能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。

“人工智能算法的好坏取决于输入数据的人员，”巴克说。“我们拥有出色的员工，他们利用他们丰富的知识和技能构建了一个卓越的人工智能解决方案，不仅使实验室受益，也使患者受益。”

奥雅纳和 Techcyte 计划继续扩大人工智能在诊断测试中的作用。除了寄生虫学之外，奥雅纳已经实施了人工智能来协助巴氏试验，并正在开发其他工具来简化实验室作并提高诊断准确性。

该研究发表在10月21日的《临床微生物学杂志》（Journal of Clinical Microbiology）上，题为“使用深度卷积神经网络检测集中湿粪便中的原生动物和蠕虫寄生虫”。