Mikroskop AI-Powered Dapat Menghitung Parasit Malaria dalam Sampel Darah

Photo: Andrew H. Kim/Intellectual Ventures

Roxanne Rees-Channer, a research biochemist, inserts a cassette into the EasyScan GO at the Hospital for Tropical Diseases in London, where the AI-powered microscope is being tested.

Chinese manufacturer and a venture dengan dukungan Bill Gates akan mengumumkan rencana mengkomersilkan mikroskop yang menggunakan Al-goritma kecerdasan buatan untuk mengotomatisasi identifikasi dan menghitung parasit malaria dalam darah dalam waktu 20 menit. AI-powered microscopes mempunyai kecepatan dalam mendeteksi dan mendiagnosis malaria yang telah membunuh hampir setengah juta orang pertahun.

AI-powered microscope pada versi eksperimental sudah menunjukan bahwa alat ini dapat mendeteksi parasit malaria dengan cukup baik untuk memenuhui standar Oraganisasi Kesehatan Dunia, yang dikenal dengan tingkat kompetensi 1. peringkat tersebut mengartikan bahwa mikroskop tersebut kinerjanya setara dengan ahli mikroskop terlatih. meskipun para peneliti mencatat bahwa beberapa ahli masih bisa mengungguli sistem ini.

Penelitian sebelumnya, yang dipresentasikan pada Konferensi Internasional mengenai Visi Komputer [pdf] pada bulan Oktober, telah mengilhami Global Good Fund - sebuah kemitraan antara perusahaan Intellectual Ventures dan Bill Gates - dan seorang produsen mikroskop China yang disebut Motic untuk mengambil langkah komersialisasi berikutnya.

Mikroskop semacam itu dapat terbukti sangat membantu dalam melacak pengobatan strain malaria penyebaran malaria yang multidrug di Asia Tenggara. "Pemantauan ketahanan multidrug ini bergantung pada mikroskop yang sangat andal untuk melihat seberapa cepat obat malaria telah mengurangi jumlah parasit dalam darah," kata David Bell, direktur teknologi kesehatan global di Global Good Fund. "Kami melihat bahwa pembelajaran mesin dapat membawa akurasi dan standarisasi yang lebih baik di wilayah ini dan memungkinkan negara-negara menerapkan pemantauan secara lebih efektif."

Mikroskop EasyScan GO yang sedang dikembangkan akan menggabungkan teknologi mikroskop lapangan terang dengan komputer laptop yang menjalankan perangkat lunak pembelajaran mendalam yang dapat secara otomatis mengidentifikasi parasit yang menyebabkan malaria. Petugas 

laboratorium manusia kebanyakan akan fokus untuk menyiapkan slide sampel darah untuk dilihat di bawah mikroskop dan memverifikasi hasilnya. Pengumuman Global Good Fund dibuat saat pameran dagang MEDICA 2017 diadakan di Düsseldorf, Jerman dari tanggal 13 sampai 16 November 2017.Malaria parasit menyajikan "masalah objek langka" yang sulit untuk algoritma pembelajaran mendalam yang biasanya memerlukan data pelatihan dalam jumlah besar untuk mengidentifikasi benda secara akurat, kata Ben Wilson, seorang peneliti utama Intellectual Ventures di Bellevue, Wash. Parasit malaria kecil mungkin hanya muncul beberapa kali dalam ratusan gambar mikroskop dari noda darah.

Dalam kasus tingkat infeksi yang sangat rendah, hanya satu parasit malaria yang mungkin muncul di antara 100.000 sel darah merah. Sebastian Nunnendorf, manajer umum Motic di China, membandingkan tantangan untuk "menemukan kelereng di lapangan sepak bola standar."

Photo: Andrew H. Kim/Intellectual Ventures Global Good researchers work on the EasyScan GO AI-powered microscope. To train its algorithm to detect malaria, the team collected and annotated thousands of slides of blood smears from all over the world.

Solusinya membutuhkan kombinasi antara pembelajaran mendalam dan algoritma komputer tradisional yang digunakan untuk segmentasi hal-hal yang menarik dalam gambar. Ini juga membutuhkan banyak data pelatihan berdasarkan slide mikroskop yang disiapkan. Wilson dan rekan-rekannya bahkan meminta beberapa laboratorium untuk sengaja menyiapkan slide dengan buruk sehingga mereka bisa melatih AI belajar yang mendalam untuk melakukan tugasnya dalam kondisi yang kurang ideal. "Sejauh belajar mesin untuk mikroskopi, ini sangat unik dalam hal malaria dan penyakit menular pada umumnya," kata Wilson.

Kecepatan di mana mikroskop prototip memindai setiap slide kira-kira setara dengan ahli mikroskop manusia, pada 20 menit per slide. Tapi Wilson mengantisipasi akhirnya bisa memotong waktu pemindaian itu menjadi dua sampai hanya 10 menit per slide. Lebih penting lagi, versi microskop yang ada pun dapat melengkapi jumlah mikroskopis terlatih yang tersedia untuk mengidentifikasi malaria dan melacak malaria dengan tingkat multidrug. "Intinya, ini adalah keuntungan efisiensi yang besar, bukan pengganti robot untuk teknisi laboratorium," kata Nunnendorf di Motic.

Jika mikroskop EasyScan GO menyebar luas, mereka juga bisa memberi keuntungan bagi peneliti yang memantau penyebaran penyakit menular dan efektivitas perawatan obat. Itu karena mikroskop otomatis dapat memberikan hasil deteksi terstandardisasi yang memungkinkan perbandingan langsung antara daerah yang berbeda dan bertahun-tahun.

Photo: Andrew H. Kim/Intellectual Ventures

Pengujian awal dengan algoritma pembelajaran yang mendalam mengandalkan perangkat keras mikroskop yang dibuat khusus. Peneliti Global Good saat ini bekerja dengan Motic untuk memastikan bahwa versi komersial mikroskop EasyScan GO berbasis pada produk lini "Motic EasyScan" yang sudah ada sebelumnya-masih dapat memenuhi standar tertinggi untuk mikroskop ahli yang ditetapkan oleh World Health Organisasi.

Harga akhir dan garis waktu untuk peluncuran pasar belum ditentukan. Tapi Global Good and Motic mengantisipasi mikroskop yang cukup murah dengan harga lebih mendekati model dasar daripada pemindai slide high-end digital. Biaya akan menjadi kunci bagi banyak negara berjuang untuk memerangi penyebaran malaria dan penyakit menular lainnya. "Untuk memberi dampak nyata pada masalah ini, harga disesuaikan secara khusus untuk negara berpenghasilan rendah dan berpenghasilan menengah," kata Nunnendorf.

Motic juga berencana untuk mengupdate software EasyScan GO yang turun sehingga bisa mendiagnosa penyakit lain seperti demam berdarah, penyakit Chagas, mikrofilaria, dan anemia sel sabit. Itu akan membangun kesuksesan awal menggunakan AI belajar yang mendalam untuk mengenali parasit malaria secara akurat.

"Sukses dengan penyakit yang paling sulit dikenali, malaria, membuka jalan baginya untuk berprestasi di hampir semua tugas mikroskop terang, termasuk parasit dan sifat lain yang biasa ditemukan pada film darah, dan juga jenis sampel lainnya, seperti seperti dahak dan kotoran, "kata Nunnendorf. 

Referensi : spectrum.ieee.org