Mikroskopi plus AI er lig med hurtig COVID-19-detektion:undersøgelse

Beckman-forskere parrede mikroskopi med kunstig intelligens for at udvikle en COVID-19-test, der er hurtig, nøjagtig, og omkostningseffektiv. Alt vi skal gøre er at sige "ahh."

Mange af os har stødt på eller oplevet en COVID-19-test. Ligesom selve pandemien, hyppig screening er blevet en del af dagligdagen. Da SARS-CoV-2 fortsat er en formidabel fjende, vores strategier til at opdage og klassificere virussen skal forblive agile og sofistikerede.

Indtast Beckman-forsker Gabriel Popescu, en UIUC professor i elektro- og computerteknik, og hans tværfaglige team. Deres studie, "Mærkefri SARS-CoV-2-detektion og klassificering ved hjælp af fasebilleddannelse med beregningsspecificitet, " blev offentliggjort i Lys:Videnskab og applikationer-natur.

Begyndende i maj 2020 og udmøntet midt i en global krise, projektets tidslinje løber parallelt med pandemien, der foranledigede det. Karakteristisk for et Beckman-hold, forskernes første skridt var at identificere en mulighed for at innovere; de observerede, at mens der i øjeblikket findes mange teknikker til test for SARS-CoV-2, ingen bruger en etiketfri optisk tilgang.

Den minimale størrelse af en enkelt partikel gør det næsten umuligt at stole på synet alene, selv med et mikroskop. Elektronmikroskopi er nyttig til at afbilde en partikels struktur, men omfattende forberedelse er påkrævet for at sikre en prøves synlighed. Selvom det er nødvendigt, denne proces kan skjule det ønskede billede.

Popescus hold henvendte sig til en teknik udviklet hos Beckman, der typisk er forbeholdt at visualisere celler:rumlig lysbilledmikroskopi, som letter kemikaliefri (eller etiketfri) billeddannelse.

"Et elektronmikroskop giver et klart billede, men det kræver omfattende prøveforberedelse, " sagde Neha Goswami, en kandidatstuderende i bioteknik og en 2021-modtager af Beckman Institutes Nadine Barrie Smith Memorial Fellowship. "At anvende SLIM til virusbilleddannelse er som at se på noget uden brillerne på. Billedet er sløret på grund af, at vira er mindre end diffraktionsgrænsen. på grund af den høje følsomhed af SLIM, vi kan ikke kun opdage vira, men også skelne mellem forskellige typer."

Heldigvis, forskerne identificerede en kreativ måde at identificere vira på baseret på SLIM-data:kunstig intelligens. Med den rigtige træning, et avanceret dybt neuralt netværk kan programmeres til at genkende selv de mest slørede billeder.

De introducerede AI-programmet til et par billeder:en farvet SARS-CoV-2-partikel, der producerer fluorescens, og et fasebillede optaget med et fluorescens-SLIM multimodalt mikroskop. AI'en er trænet til at genkende disse billeder som ét og samme. Let genkendelig, det fluorescensfarvede billede fungerer som træningshjul; med nok gentagelser, maskinen lærer at detektere vira direkte fra SLIM, etiketfri billeder uden den ekstra understøttelse.

Efter påvisning kommer differentiering:skelnen SARS-CoV-2 fra andre typer vira og partikler.

"Vi gjorde livet hårdt på maskinen, " sagde Goswami. "Vi gav den støv, perler, og andre vira til at træne og lære at vælge virussen ud af en mængde i modsætning til at identificere, hvornår den er af sig selv."

AI lærte at skelne mellem SARS-CoV-2 og andre virale patogener såsom H1N1, eller influenza A; HADV, eller adenovirus; og ZIKV, eller Zika-virus. Det prækliniske forsøg var meget vellykket, resulterer i en succesrate på 96 % for SARS-CoV-2-detektion og klassificering.

"Denne bemærkelsesværdige succes skyldes vores team af eksperter fra flere forskellige discipliner, som kom sammen med et unikt mål:at skabe den hurtigste, den mest overkommelige og skalerbare test mulig. Vores nuværende indsats er fokuseret på at demonstrere denne tilgang i klinikken og implementere den over hele verden for COVID og potentielt andre infektionssygdomme, " sagde Popescu.

Projektets mål er et følsomt og specifikt viralt åndedrætstest detektionssystem, der hjælper med viral diagnostik og i strategier til forebyggelse af transmission; i dag, dette kunne tage form af en hurtig, Høj gennemstrømning, lavpris COVID-19-test med potentiale for portabilitet og point-of-care handling.

Med klinisk validering afventende, forskere spekulerer i, at en COVID-19-test udført med denne metode ville se sådan ud:forsøgspersonen ville bære et ansigtsskærm, hvorpå en klar glasplade vil blive fastgjort; de ville derefter fuldføre en aktivitet, hvor deres ånde bliver fikseret til diasset (som at læse et afsnit højt). Rutsjebanen, og eventuelle partikler knyttet til det, ville blive afbildet og analyseret for at detektere eventuelle tilstedeværende vira.

"Der er to vigtige fordele ved denne form for COVID-test, "Goswami sagde." Den første er hastighed:varigheden kan være i størrelsesordenen et minut. Den anden er, at vi ikke tilføjer nogen kemikalier eller modifikationer til de leverede prøver. Det eneste, vi ville betale for, er omkostningerne til ansigtsskærmen og selve diasset."

Fra et klinisk perspektiv, virkningen af ​​sådanne innovative diagnosticeringsevner er udtalt.

"Tidlig indsats via hurtig diagnose af COVID-19, kombineret med kontaktsporing, vil reducere COVID-19-overførslen markant, sygelighed, og dødelighed, sagde Nahed Ismail, en professor i patologi og medicinsk direktør for Clinical Microbiology Lab ved University of Illinois i Chicago.

Denne meget adaptive AI-programmering kan hjælpe med at håndtere fremtidige pandemier, ikke kun COVID-19.

"Vi har brug for hurtig opdagelse af sygdomme, " sagde Goswami. "Ikke kun COVID, men andre. Vi kan og bør lægge vores indsats sammen, både hvad angår optik og kunstig intelligens, for at prøve at finde ud af, hvor langt vi kan gå. "

Denne banebrydende forskning er et resultat af samarbejde mellem forskere fra Beckman Institute, University of Illinois Urbana-Champaign, og University of Illinois i Chicago.

"Det fantastiske ved dette projekt er, at vi kan bringe laboratoriearbejde til kliniske forsøg på meget kort tid, " sagde Helen Nguyen, Ivan Racheff professor i bygge- og miljøteknik ved UIUC og projektsamarbejdspartner.