Överlägsen automatisk identifiering av trypanosomparasiter med hjälp av en hybrid djupinlärningsmodell

Summary

Medicinska blodparasiter över hela världen screenades automatiskt med enkla steg på en AI-plattform med låg kod. Den prospektiva diagnostiken av blodfilmer förbättrades genom att använda en objektdetekterings- och klassificeringsmetod i en hybrid djupinlärningsmodell. Samarbetet mellan aktiv övervakning och vältränade modeller hjälper till att identifiera hotspots för trypanosomöverföring.

Abstract

Trypanosomiasis är ett betydande folkhälsoproblem i flera regioner över hela världen, inklusive Sydasien och Sydostasien. Identifieringen av hotspot-områden som står under aktiv övervakning är ett grundläggande förfarande för att kontrollera sjukdomsspridningen. Mikroskopisk undersökning är en vanligt förekommande diagnostisk metod. Den är dock i första hand beroende av kunnig och erfaren personal. För att lösa detta problem introducerades ett program för artificiell intelligens (AI) som använder en hybridteknik för djupinlärning för objektidentifiering och objektklassificering av neurala nätverksstamnät på den interna AI-plattformen med låg kod (CiRA CORE). Programmet kan identifiera och klassificera de protozoiska trypanosomarterna, nämligen Trypanosoma cruzi, T. brucei och T. evansi, från mikroskopiska bilder av oljenedsänkning. AI-programmet använder mönsterigenkänning för att observera och analysera flera protozoer i ett enda blodprov och lyfter fram kärnan och kinetoplasten för varje parasit som specifika karakteristiska egenskaper med hjälp av en uppmärksamhetskarta.

För att bedöma AI-programmets prestanda skapas två unika moduler som ger en mängd olika statistiska mått som noggrannhet, återkallelse, specificitet, precision, F1-poäng, felklassificeringsfrekvens, ROC-kurvor (receiver operating characteristics) och kurvor för precision kontra återkallelse (PR). Resultaten visar att AI-algoritmen är effektiv när det gäller att identifiera och kategorisera parasiter. Genom att leverera ett snabbt, automatiserat och korrekt screeningverktyg har denna teknik potential att förändra sjukdomsövervakning och kontroll. Det skulle också kunna hjälpa lokala tjänstemän att fatta mer välgrundade beslut om strategier för blockering av sjukdomsöverföring.

Introduction

Trypanosomiasis är en stor utmaning för globala hälsoproblem på grund av en mängd olika zoonotiska arter som orsakar sjukdomar hos människor med ett brett spektrum av geografisk spridning utanför de afrikanska och amerikanska kontinenterna, såsom Syd- och Sydostasien ^1,2,3. Mänsklig afrikansk trypanosomiasis (HAT) eller sömnsjuka, orsakas av Trypanosoma brucei gambiense och T. b. rhodesiense som producerar de kroniska respektive akuta formerna, som representerar den största spridningen i Afrika. Den orsakande parasiten tillhör Salivaria-gruppen på grund av överföring av infekterad saliv från Tsetseflugor⁴. Den välkända amerikanska trypanosomiasis (Chagas sjukdom) som orsakas av T. cruzi har varit ett folkhälsoproblem i icke-endemiska länder. inklusive Kanada, USA, Europa, Australien och Japan, på grund av den frekventa migrationen av individer från endemiska områden⁵. Trypanosominfektionen tillhör Stercoraria-gruppen eftersom den överförs av infekterad avföring från reduviidbaggar. Trypanosomiaser och trypanosomoses (Surra-sjukdom) som orsakas av T. evansi-infektionen är endemiska i Afrika, Sydamerika, västra och östra Asien samt länder i Syd- och Sydostasien ^3,6. Även om human trypanosomiasis orsakad av trypanosomen har rapporterats 3,4,7,8,9,10,11,12, är vägen för överföring av parasitinfektionen omdiskuterad: antingen det mekaniska eller infekterade blodet genom hematofaga insekter som tsetseflugor och tabanider eller hästflugor ^6,7, 8,9,10,12,13,14. Ingen fallrapport har hittats i Thailand, men en hög prevalens av T. evansi infektion hos hund¹⁵, kapplöpningshästar och vattenbuffel i den östra regionen har publicerats¹⁶, vilket tyder på att en förvärvad överföring mellan husdjur skulle ha inträffat. Flera atypiska infektioner hos människa orsakade av trypanosomer från djur (T. vivax, T. b. brucei, T. congolense, T. lewisi och T. evansi) rapporterades, vilka inte är de klassiska formerna av humana trypanosomer¹⁷. Medvetenheten om atypiska infektioner hos människor kan vara underskattad, vilket belyser behovet av förbättrade diagnostiska tester och fältundersökningar för att upptäcka och bekräfta dessa atypiska fall, och möjliggöra korrekt kontroll och behandling av djurpatogena sjukdomar som påverkar den globala boskapen, livsmedelstrygghet¹⁸ och hälso- och sjukvård för människor. Detta ledde till utvecklingen av en potentiell strategi integrerad med en befintlig gemensam metod (mikroskopisk undersökning) för att snabbt screena blodprover i avlägsna områden under aktiv övervakning, vilket gör det möjligt att identifiera hotspot-zoner för att begränsa och kontrollera sjukdomen.

Att ha en sporadisk förekomst av Surra-sjukdomen hos ett brett spektrum av husdjur som dromedarer, nötkreatur, hästar och hundar som framkallar en euryxenös T. evansi kan vara zoonotisk för människor 1,4,13,14. Infektion hos människa verkar omöjlig eftersom en trypanolytisk faktor i humant serum, uttryckt från en sra-liknande gen, kan förhindra T. brucei och T. congolense^12,19. Dessutom, som den första fallrapporten från Indien visar, har sjukdomen inget samband med immunsupprimerade HIV-patienter⁴. Som beskrivits ovan kan den möjliga infektionen hos människa vara relaterad till en brist på lipoprotein med hög densitet med onormal funktion av trypanosomen lytisk faktor, som är en sällsynt autosomalt recessiv genetisk sjukdom, nämligen Tanger sjukdom⁴. År 2016 upptäcktes att en vietnamesisk patient hade två APOL1-alleler av vildtyp och en APOL1-koncentration i serum inom det normala intervallet. Teorin om APOL-1-brist anses dock inte längre vara giltig¹². En möjlig mekanism för trypanosominfektion är därför direktkontakt mellan ett sår och infekterat djurblod under yrkesmässig djurhållning ^4,12. Mikroskopisk undersökning avslöjar att T. evansis morfologi är en monomorf form av trypomastigote som inkluderar en dominerande långsmal, gisslad och delande trypanosom som liknar deras släkting T. brucei ^1,12,13. Kärnan är i mittläge med en synlig liten kinetoplast i den bakre positionen. En tidigare studie indikerade att parasiten kan existera i två jämförbara former, kända som de klassiska och trunkerade formerna. Det är dock fortfarande nödvändigt att bekräfta deras respektive patogena effekter på värdar²⁰. Symtomförloppet varierar, allt från intermittent feber i samband med frossa och svettningar. Suramin är lyckligtvis en framgångsrik förstahandsbehandling för tidig afrikansk trypanosomiasis utan invasion av centrala nervsystemet (CNS), vilket botar patienter i Indien och Vietnam ^4,12,21.

Förutom klinisk teckenundersökning finns det flera diagnostiska metoder för T. evansi parasiter, inklusive parasitologisk mikroskopisk observation ^4,9,12, serologisk ^4,8,9,10,12 och molekylärbiologiska tester ^4,12. Tunnblodsfilmer färgade med Giemsa används ofta för att visualisera parasiten som finns under mikroskopisk undersökning, vilket rutinmässigt och ofta används²². Förfarandet verkar dock vara genomförbart. Ändå är det tidskrävande och arbetskrävande, har interbedömarbedömningsvariation, är känsligt för endast en akut fas och kräver en personlig praktikant²³. Både molekylärbiologisk och serologisk testning krävde också högkvalificerad personal för att utföra flera processer för provberedning, inklusive extraktion och rening av proverna innan de testades med dyr utrustning, vilket är svårt att standardisera, risk för kontaminering med extraparasitiska material och avvikelser i resultaten²⁴. På grundval av den logiska grund som beskrivs ovan behövs snabb och tidig screeningteknik för att stödja fältövervakningsstudien och säkerställa att undersökningsresultaten rapporteras i god tid för att identifiera hotspot-zonen för ytterligare kontroll av sjukdomsspridningen ^1,8. Datorbaserade enheter (CAD) har föreslagits som en innovativ teknik för medicinska områden, inklusive histopatologiska och cytopatologiska uppgifter²⁵. CAD-koden som nämns ovan utfördes i hög hastighet och beräknades med hjälp av mönsterigenkänning, nämligen artificiell intelligens (AI). AI-metoden åstadkoms med hjälp av faltningsalgoritmer för neurala nätverk som kan användas för att hantera ett stort antal datamängdsprover, särskilt en övervakad inlärningsmetod som tränar en vältränad modell vid datakonsumtion.

I allmänhet är AI datorernas förmåga att lösa uppgifter som kräver expertintelligens, t.ex. datamärkning. Maskininlärning (ML), ett delområde av AI, representeras som ett datorsystem med två olika processer som består av egenskapsextraktion och mönsterigenkänning. Djupinlärning (DL), eller avancerade ML-algoritmer, avser utvecklingen av datoriserade program och enheter som jämför människoliknande prestanda med noggrannhetsnivåer som är större och lika med den som åstadkoms av mänskliga proffs²⁶. För närvarande är DL:s roll inom medicinska och veterinära områden lovande på att utöka och revolutionera förebyggandet av smittsamma sjukdomar i syfte att förebygga nya sjukdomar och vägleda det till enskild hälso- och sjukvårdspersonal^22,27. Den potentiella DL-tillämpningen är obegränsad med kvalitetsetiketter och ett stort antal utökade datamängder, vilket frigör specialister för att hantera projektuppgiften. Specifikt förbättrade ett framsteg i den digitala bilden tillsammans med datorstödd analys den automatiska diagnostiken och screeningen i fem kategorier av patologi som rapporterades; inklusive statiska, dynamiska, robotiska, helglasavbildnings- och hybridmetoder²⁸. Det är nödvändigt att tänka på att integrationen av DL-algoritmer och digitala bilddata kan uppmuntra lokal personal att använda tekniken i sin dagliga praxis.

Tidigare har ökningen av förutsägelsenoggrannheten med att använda en hybridmodell bevisats²⁷. För att identifiera trypanosomparasiten i mikroskopiska bilder presenterar denna forskning två hybridmodeller, som innehåller algoritmerna YOLOv4-tiny (objektdetektion) och Densenet201 (objektklassificering). Bland flera detektionsmodeller visade YOLOv4-tiny med ett CSPDarknet53-stamnät hög prestanda som prediktionsresultat när det gäller lokalisering och klassificering²⁹. Eftersom realtidsdetektorn har modifierat den optimala balansen mellan ingångsnätverksupplösningen, mängden faltningslager, den totala parametern och antalet lagerutgångar, har den förbättrats genom att prioritera snabba driftshastigheter och optimera för parallella beräkningar jämfört med tidigare versioner. Dense Convolutional Network (DenseNet) är en annan populär modell som uppnår toppmoderna resultat över konkurrenskraftiga datamängder. DenseNet201 gav ett liknande valideringsfel som är jämförbart med ResNet101; DenseNet201 har dock färre än 20 miljoner parametrar, vilket är mindre än ResNet101:s mer än 40 miljoner parametrar³⁰. Därför kan DenseNet-modellen förbättra förutsägelsenoggrannheten med ett ökande antal parametrar utan tecken på överanpassning. Här använder ett program för artificiell intelligens (AI) en hybrid djupinlärningsalgoritm med djupdetekterings- och klassificeringsryggrader för neurala nätverk på den interna CiRA CORE-plattformen. Det utvecklade programmet kan identifiera och klassificera de protozoiska trypanosomarterna, nämligen Trypanosoma cruzi, T. brucei och T. evansi, från mikroskopiska bilder av oljenedsänkning. Denna teknik har potential att revolutionera sjukdomsövervakning och kontroll genom att tillhandahålla en snabb, automatiserad och exakt screeningmetod. Det skulle kunna hjälpa lokal personal att fatta mer välgrundade beslut om strategier för smittspridning av protozoer.

Protocol

Arkiverade blodfilmer och projektdesign godkändes av Institutional Biosafety Committee, Institutional Animal Care and Use Committee of the Faculty of Veterinary Science, Chulalongkorn University (IBC No. 2031033 och IACUC No. 1931027) och Human Research Ethics Committee of King Mongkut’s Institute of Technology Ladkrabang (EC-KMITL_66_014). 1. Förberedelse av råbilder Förberedelse av bilddatauppsättningSkaffa minst 13 positiva objektglas med blodparasiti…

Representative Results

I denna studie föreslogs hybrida djupinlärningsalgoritmer för att hjälpa till att automatiskt förutsäga positiviteten hos ett blodprov med en trypanosomparasitinfektion. Arkiverade, Giemsa-färgade blodfilmer sorterades för att lokalisera och klassificera de parasiterade kontra icke-parasitiska med hjälp av objektdetekteringsalgoritmen baserad på ett neuralt nätverk med darknet-stamnät. Inom alla rektangulära boxprediktionsresultat som erhölls av den tidigare modellen utvecklades den bäst valda klassificeri…

Discussion

Mikroskopisk observation av Trypanosoma protozoa-infektion är tidig och används ofta, särskilt under övervakning i avlägsna områden där det råder brist på kvalificerade tekniker och arbetsintensiva och tidskrävande processer som alla är hinder för att rapportera hälsoorganisationen i tid. Även om molekylärbiologiska tekniker som immunologi och polymeraskedjereaktion (PCR) har godkänts som högkänsliga metoder för att stödja effektiviteten av laboratorieresultat, behövs dyra kemikalier, apparater och p…

Materials

Darknet19, Darknet53 and Densenet201	Gao Huang, Z. L., Laurens van der Maaten. Densely Connected Convolutional Networks. arXiv:1608.06993 [cs.CV]. (2016)	https://github.com/liuzhuang13/DenseNet	Deep convolutional neural network model that can function to  classification Generic name: YOLO model/ detection model?
Olympus CX31 Model CX31RRBSFA	Olympus, Tokyo, Japan	SN 4G42178	A light microscope
Olympus DP21-SAL U-TV0.5XC-3	Olympus, Tokyo, Japan	SN 3D03838	A digital camera Generic name: Classification models/ densely CNNs
Window 10	Microsoft	Window 10	Operation system in computers
YOLO v4-tiny	Naing, K. M. et al. Automatic recognition of parasitic products in stool examination using object detection approach. PeerJ Comput Sci. 8 e1065, (2022).	https://git.cira-lab.com/users/sign_in	Deep convolutional neural network model that can function to both localization and also classification
		https://git.cira-lab.com/users/sign_in