Overlegen automatisk identifisering av trypanosomparasitter ved hjelp av en hybrid dyplæringsmodell

Summary

Verdensomspennende medisinske blodparasitter ble automatisk screenet ved hjelp av enkle trinn på en AI-plattform med lav kode. Den prospektive diagnosen av blodfilmer ble forbedret ved å bruke en objektdeteksjons- og klassifiseringsmetode i en hybrid dyplæringsmodell. Samarbeidet mellom aktiv overvåking og godt trente modeller bidrar til å identifisere hotspots av trypanosomoverføring.

Abstract

Trypanosomiasis er et betydelig folkehelseproblem i flere regioner over hele verden, inkludert Sør-Asia og Sørøst-Asia. Identifisering av hotspot-områder under aktiv overvåking er en grunnleggende prosedyre for å kontrollere sykdomsoverføring. Mikroskopisk undersøkelse er en ofte brukt diagnostisk metode. Det er likevel først og fremst avhengig av dyktig og erfarent personell. For å løse dette problemet ble det introdusert et kunstig intelligens (AI) -program som bruker en hybrid dyp læringsteknikk for objektidentifikasjon og objektklassifisering nevrale nettverksryggrader på den interne lavkodede AI-plattformen (CiRA CORE). Programmet kan identifisere og klassifisere protozoan trypanosomarter, nemlig Trypanosoma cruzi, T. brucei og T. evansi, fra olje-nedsenking mikroskopiske bilder. AI-programmet bruker mønstergjenkjenning for å observere og analysere flere protozoer i en enkelt blodprøve og fremhever kjernen og kinetoplasten til hver parasitt som spesifikke karakteristiske trekk ved hjelp av et oppmerksomhetskart.

For å vurdere AI-programmets ytelse opprettes to unike moduler som gir en rekke statistiske målinger som nøyaktighet, tilbakekalling, spesifisitet, presisjon, F1-poengsum, feilklassifiseringshastighet, ROC-kurver (mottakerens driftsegenskaper) og PR-kurver (presisjon versus tilbakekalling). Vurderingsfunnene viser at AI-algoritmen er effektiv til å identifisere og kategorisere parasitter. Ved å levere et raskt, automatisert og nøyaktig screeningverktøy, har denne teknologien potensial til å transformere sykdomsovervåking og kontroll. Det kan også hjelpe lokale tjenestemenn med å ta mer informerte beslutninger om sykdomsoverføringsblokkerende strategier.

Introduction

Trypanosomiasis er en betydelig utfordring for globale helseproblemer på grunn av en rekke zoonotiske arter som forårsaker menneskelig sykdom med et bredt spekter av geografisk distribusjon utenfor de afrikanske og amerikanske kontinentene, som Sør- og Sørøst-Asia ^1,2,3. Human afrikansk trypanosomiasis (HAT) eller sovesyke, er forårsaket av Trypanosoma brucei gambiense og T. b. rhodesiense som produserer henholdsvis kroniske og akutte former, som representerer den største spredningen i Afrika. Den forårsakende parasitten tilhører Salivaria-gruppen på grunn av overføring av infisert spytt av Tsetse-fluer⁴. Mens den velkjente amerikanske trypanosomiasis (Chagas sykdom) forårsaket av T. cruzi har vært et folkehelseproblem for ikke-endemiske land; inkludert Canada, USA, Europa, Australia og Japan, på grunn av den hyppige migrasjonen av individer fra endemiske områder⁵. Trypanosominfeksjonen tilhører Stercoraria-gruppen fordi den overføres av infiserte avføring av reduviid bugs. Trypanosomiasene og trypanosomosene (Surra sykdom) forårsaket av T. evansi-infeksjonen er endemiske i Afrika, Sør-Amerika, Vest- og Øst-Asia og Sør- og Sørøstasiatiske land ^3,6. Selv om human trypanosomiasis forårsaket av trypanosomet har blitt rapportert 3,4,7,8,9,10,11,12, diskuteres overføringsveien for parasittinfeksjonen: enten mekanisk eller infisert blod gjennom hematofagøse insekter som tsetsefluer og tabanider eller hestefluer ^6,7, 8,9,10,12,13,14. Ingen saksrapport er funnet i Thailand, men en høy forekomst av T. evansi-infeksjonen hos hund¹⁵, veddeløpshester og vannbøffel i den østlige regionen har blitt publisert¹⁶, noe som tyder på at en ervervet overføring mellom husdyr ville ha skjedd. Flere atypiske humane infeksjoner forårsaket av dyretrypanosomer (T. vivax, T. b. brucei, T. congolense, T. lewisi og T. evansi) ble rapportert, som ikke er de klassiske formene for humane trypanosomer¹⁷. Bevissthet om atypiske menneskelige infeksjoner kan undervurderes, og fremhever behovet for forbedrede diagnostiske tester og feltundersøkelser for påvisning og bekreftelse av disse atypiske tilfellene, og muliggjør riktig kontroll og behandling av dyrepatogene sykdommer som påvirker globale husdyr, matsikkerhet¹⁸ og menneskers helsetjenester. Dette førte til utviklingen av en potensiell strategi integrert med en eksisterende felles metode (mikroskopisk undersøkelse) for raskt å screene blodprøver i avsidesliggende områder under aktiv overvåking, noe som muliggjør identifisering av hotspot-sonene for å begrense og kontrollere sykdommen.

Å ha en sporadisk forekomst av Surra sykdom i et bredt spekter av husdyr som dromedarer, storfe, hester og hunder som fremkaller en euryxenous T. evansi kan være zoonotisk for mennesker 1,4,13,14. Menneskelig infeksjon virker umulig fordi en trypanolytisk faktor i humant serum, uttrykt fra et sra-lignende gen, er i stand til å forhindre humant T. brucei og T. congolense^12,19. Videre, som den første kasuistikken fra India viser, har sykdommen ingen tilknytning til immunkompromitterte HIV-pasienter⁴. Som beskrevet ovenfor kan mulig human infeksjon være relatert til en lipoproteinmangel med høy tetthet med unormal funksjon av trypanosomets lytiske faktor, som er en sjelden autosomal recessiv genetisk lidelse, nemlig Tangers sykdom⁴. I 2016 ble det oppdaget at en vietnamesisk pasient hadde to villtype APOL1-alleler og en serumkonsentrasjon av APOL1 innenfor normalområdet. Teorien om APOL-1-mangel anses imidlertid ikke lenger som gyldig¹². Derfor er en mulig mekanisme for trypanosominfeksjon direkte kontakt av et sår med infisert dyreblod under husdyrhold ^4,12. Mikroskopisk undersøkelse avslører at T. evansi-morfologi er en monomorf form av trypomastigoten, inkludert et dominerende langt, slankt, flagellert og delende trypanosom som ligner deres relative art av T. brucei ^1,12,13. Kjernen er i sentral posisjon med en synlig liten kinetoplast i bakre posisjon. En tidligere studie indikerte at parasitten kan eksistere i to sammenlignbare former, kjent som de klassiske og avkortede former. Det er imidlertid fortsatt nødvendig å bekrefte deres respektive patogene effekter på vertene²⁰. Forløpet av symptomene varierer alt fra intermitterende feber forbundet med frysninger og svette. Suramin er heldigvis en vellykket førstelinjebehandling for tidlig stadium human afrikansk trypanosomiasis uten invasjon av sentralnervesystemet (CNS), helbredende pasienter i India og Vietnam ^4,12,21.

Bortsett fra klinisk tegnundersøkelse finnes det flere diagnostiske metoder for T. evansi-parasitter, inkludert parasitologisk mikroskopisk observasjon ^4,9,12, serologisk ^4,8,9,10,12 og molekylærbiologiske tester ^4,12. Tynnblodsfilmer farget med Giemsa brukes ofte til å visualisere parasitten som er tilstede under mikroskopisk undersøkelse, som rutinemessig og vanlig brukes²². Prosedyren synes imidlertid å være gjennomførbar; Likevel er det tid- og arbeidskrevende, har variasjon i vurdering mellom rater, er følsomt for bare en akutt fase og krever en personlig trainee²³. Både molekylærbiologi og serologisk testing trengte også høyt kvalifisert personell til å utføre flere prosesser for prøvepreparering, inkludert ekstrahering og rensing av prøvene før de ble testet med dyre apparater, noe som er vanskelig å standardisere, risiko for forurensning med ekstraparasittiske materialer og avvik i resultater²⁴. Basert på begrunnelsen beskrevet ovenfor, er rask og tidlig screeningteknologi nødvendig for å støtte feltovervåkingsstudien og sikre at undersøkelsesresultatet rapporteres i tide for å identifisere hotspot-sonen for videre kontroll av sykdomsoverføringen ^1,8. Datastyrte enheter (CAD) har blitt foreslått som en innovativ teknologi for medisinske felt, inkludert histopatologiske og cytopatologiske oppgaver²⁵. CAD nevnt ovenfor ble utført i høy hastighet og beregnet ved hjelp av mønstergjenkjenning, nemlig kunstig intelligens (AI). AI-metoden oppnås ved hjelp av konvolusjonelle nevrale nettverksalgoritmer som kan brukes til å håndtere et stort antall datasettprøver, spesielt en veiledet læringstilnærming som trener en godt trent modell på dataforbruk.

Generelt er AI datamaskinens evne til å løse oppgaver som krever ekspertintelligens, for eksempel datamerking. Maskinlæring (ML), et underfelt av AI, er representert som et datasystem med to forskjellige prosesser som består av funksjonsutvinning og mønstergjenkjenning. Dyp læring (DL), eller avanserte ML-algoritmer, refererer til utviklingen av datastyrte programmer og enheter som sammenligner menneskelig ytelse med nøyaktighetsnivåer som er større og lik den som oppnås av menneskelige fagfolk²⁶. For tiden utvider og revolusjonerer DLs rolle innen medisinske og veterinære felt lovende og revolusjonerer forebygging av smittsomme sykdommer med sikte på nylig forebygging og veiledning til det enkelte helsepersonell^22,27. Den potensielle DL-applikasjonen er ubegrenset med kvalitetsetiketter og et stort antall utvidede datasett, noe som frigjør spesialister til å administrere prosjektoppgaven. Spesielt forbedret et fremskritt i det digitale bildet sammen med datamaskinassistert analyse automatisk diagnostisering og screening i fem kategorier av patologi rapportert; inkludert statiske, dynamiske, robotiske, hele lysbildebilder og hybridmetoder²⁸. Det er nødvendig å vurdere at integrering av DL-algoritmetilnærminger og digitale bildedata kan oppmuntre lokalt ansatte til å utnytte teknologien i sin daglige praksis.

Tidligere hadde økningen i prediksjonsnøyaktighet ved bruk av en hybridmodell blitt bevist²⁷. For å identifisere trypanosomparasitten i mikroskopiske bilder, presenterer denne forskningen to hybridmodeller, som inkorporerer algoritmene YOLOv4-tiny (objektdeteksjon) og Densenet201 (objektklassifisering). Blant flere deteksjonsmodeller viste YOLOv4-tiny med CSPDarknet53-ryggrad høy ytelse som prediksjonsresultat når det gjelder lokalisering og klassifisering²⁹. Siden sanntidsdetektoren har endret den optimale balansen mellom inngangsnettverksoppløsningen, mengden av det konvolusjonelle laget, den totale parameteren og antall lagutganger, har den forbedret prioritering av raske driftshastigheter og optimalisering for parallelle beregninger sammenlignet med tidligere versjoner. Dense Convolutional Network (DenseNet) er en annen populær modell som oppnår toppmoderne resultater på tvers av konkurrerende datasett. DenseNet201 ga en lignende valideringsfeil som kan sammenlignes med ResNet101. DenseNet201 har imidlertid færre enn 20 millioner parametere, noe som er mindre enn ResNet101s mer enn 40 millioner parametere³⁰. Derfor kan DenseNet-modellen forbedre prediksjonsnøyaktigheten med et økende antall parametere uten tegn til overtilpasning. Her bruker et kunstig intelligens (AI) -program en hybrid dyp læringsalgoritme med dyp deteksjons- og klassifisering nevrale nettverksryggrader på den interne CiRA CORE-plattformen. Det utviklede programmet kan identifisere og klassifisere protozoan trypanosomarter, nemlig Trypanosoma cruzi, T. brucei og T. evansi, fra olje-nedsenking mikroskopiske bilder. Denne teknologien har potensial til å revolusjonere sykdomsovervåking og kontroll ved å tilby en rask, automatisert og nøyaktig screeningsmetode. Det kan hjelpe lokalt ansatte til å ta mer informerte beslutninger om overføringsblokkerende strategier for parasittisk protozosykdom.

Protocol

Arkiverte blodfilmer og prosjektdesign ble godkjent av Institutional Biosafety Committee, Institutional Animal Care and Use Committee ved Fakultet for veterinærvitenskap, Chulalongkorn University (IBC nr. 2031033 og IACUC nr. 1931027), og Human Research Ethics Committee of King Mongkut’s Institute of Technology Ladkrabang (EC-KMITL_66_014). 1. Utarbeidelse av råbilder Klargjøring av bildedatasettetFå minst 13 positive lysbilder med blodparasittinfeksjoner…

Representative Results

I denne studien ble hybride dype læringsalgoritmer foreslått for å bidra til automatisk å forutsi positiviteten til en blodprøve med en trypanosomparasittinfeksjon. Arkiverte, Giemsa-fargede blodfilmer ble sortert for å lokalisere og klassifisere den parasitiserte versus ikke-parasittiske ved å bruke objektdeteksjonsalgoritmen basert på et mørkt ryggradsnevralt nettverk. Innenfor et hvilket som helst rektangulært boksprediksjonsresultat oppnådd av den forrige modellen, ble den best valgte klassifiseringsmodell…

Discussion

Mikroskopisk observasjon for Trypanosoma protozoa-infeksjon er tidlig og ofte brukt, spesielt under overvåking i avsidesliggende områder der det er mangel på dyktige teknikere og arbeidsintensive og tidkrevende prosesser som alle er hindringer for å rapportere helseorganisasjonen i tide. Selv om molekylærbiologiske teknikker som immunologi og polymerasekjedereaksjon (PCR) er godkjent som høysensitivitetsmetoder for å støtte effektiviteten av laboratoriefunn, er det nødvendig med dyre kjemikalier, apparater og fa…

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