研究人员开发出基于NVIDIA技术的AI模型用于检测疟疾

疟疾曾一度在委内瑞拉销声匿迹，但如今正卷土重来。研究人员已经训练出一个模型来帮助检测这种传染病。

委内瑞拉的淘金活动致使疟疾卷土重来，不过研究人员开发的 AI 模型有望解决这一难题。

在委内瑞拉的玻利瓦尔州，为在水域开采金矿而进行的森林砍伐扰乱了蚊子的种群分布，蚊子叮咬矿工，使他们感染上了致命的疟原虫。

1961 年，委内瑞拉被世界卫生组织认证为无疟疾国家。据世界卫生组织统计，2023 年全球约有 2.63 亿疟疾病例，59.7 万人因疟疾死亡。

在委内瑞拉的这一波疟疾疫情中，受影响的地区多为农村，这些地区诊所数量有限，缺乏专业的显微镜检测人员。

不过，医学与科技交叉领域的研究人员借助 AI 和 NVIDIA GPU，找到了应对之策。他们近期在《自然》杂志上发表了一篇论文，介绍了一种可以自动检测血液样本中疟原虫的卷积神经网络（CNN）。

25 岁的 Diego Ramos-Briceño 拥有工程学学士学位，目前正在攻读医学博士学位。他表示：“在委内瑞拉，疟疾曾经几乎完全消失，但去年出现了大约 13.5 万个病例。”

识别血液样本中的疟原虫

参与这项工作的研究人员包括 Ramos-Briceño、Alessandro Flammia-D’Aleo、Gerardo Fernández-López、Fhabián Carrión-Nessi 和 David Forero-Peña。他们运用卷积神经网络来识别厚血膜涂片中的恶性疟原虫和间日疟原虫，准确率高达 99.51%。

为了开发该模型，研究团队从孟加拉国吉大港医学院附属医院获取了一个数据集，其中包含 5941 张标记好的厚血膜涂片显微镜图像。他们对该数据集进行了处理，然后据此创建了近 19 万张标记图像。

Ramos-Briceño 介绍说：“我们希望这个神经网络能学习疟原虫的形态。为此，我们提取了近 6000 张显微镜图像中的所有疟原虫形态。经过数据增强和分割处理，最终得到近 19 万张图像用于模型训练。”

这篇研究论文指出，传统显微镜检测方法在检测结果准确性和一致性方面存在局限性，而该模型恰好能弥补这些不足。

利用游戏 GPU 和 CUDA进行模型训练与推理

在模型训练阶段，该疟疾研究团队借助了指导其科研的计算机科学教师提供的一块RTX 3060 GPU。

Ramos-Briceño 表示：“我们使用了 PyTorch Lightning 框架和NVIDIA CUDA加速技术。与 CPU 相比，它能实现高效的并行计算，大大加快矩阵运算和神经网络的准备工作。”

他还提到，在推理阶段，这类 GPU 只需几秒钟就能根据血液样本做出疟疾诊断。

他分享道，缺乏专业显微镜检测人员的诊所可以使用该模型，输入自有数据进行迁移学习。这样一来，该模型就能针对诊所提交的图像类型、自动处理光照条件等因素，从而实现更精准诊断的出色性能。

Ramos-Briceño 表示：“对于那些远离城市、资源匮乏的地区而言，这或许是解决疟疾问题的好方法。”