人工智能图像识别革新曲霉菌种鉴定：概念验证研究的洞见

亮点

• 基于人工智能的图像识别，特别是使用ResNet-18，从菌落图像中识别关键曲霉菌种的准确率超过99%。
• 该方法提供了一种快速、经济有效且不需要专业知识的常规鉴定方法替代方案。
• 诊断性能与真菌菌落形态特征的独特性相关。
• 经过进一步验证和数据库扩展后，这项技术有望在常规临床真菌学中得到更广泛的应用。

研究背景与疾病负担

曲霉菌种是普遍存在的环境真菌，可引起从过敏反应到威胁生命的侵袭性曲霉病等多种疾病，特别是在免疫功能低下的患者中。准确及时的菌种鉴定对于最佳临床管理至关重要，因为不同菌种的抗真菌敏感性和流行病学特征存在差异。传统的鉴定依赖于形态学专业知识，而先进的技术如PCR测序和MALDI-TOF MS虽然准确，但需要昂贵的设备和专业人员，限制了其在资源受限地区的可及性。因此，迫切需要快速、经济且可扩展的诊断解决方案，尤其是在全球侵袭性真菌感染率上升的情况下。

研究设计

Tsang等人（Emerg Microbes Infect, 2025）的这项概念验证研究评估了基于人工智能的图像识别技术用于自动曲霉菌种鉴定的可行性。研究使用了来自四种重要临床曲霉菌种的6,867张菌落图像，这些图像被分为训练集（2,813张图像）、验证集（2,814张图像）和测试集（1,240张图像）。训练并验证了三种卷积神经网络（CNN）模型——ResNet-18、Inception-v3和DenseNet-121——以根据培养基上生长的真菌菌落的数字图像分类菌种。主要结果是在独立测试集中菌种鉴定的准确性。

主要发现

与Inception-v3和DenseNet-121相比，ResNet-18表现出优越的性能，实现了最高的测试准确率（99.35%）和最少的误识别（n = 8）。研究还观察到，展示更多独特形态特征的图像（如菌落颜色、质地和生长模式）由人工智能系统识别得更加可靠。这强调了图像质量和特征独特性在自动化真菌诊断中的重要性。

基于人工智能的方法提供了几个实际优势：
– 周转时间：自动图像分析速度快，可能比常规表型或分子方法减少诊断延迟。
– 资源需求：该方法减少了对专门真菌学专业知识、分子生物学家和高成本试剂或设备的依赖。
– 可扩展性和用户友好性：一旦建立，该系统可以在不同的实验室环境中部署，培训要求最低。

值得注意的是，研究确定了需要扩展数据库以涵盖更多菌种和形态变体，以进一步提高准确性和通用性。

Figure 6.

Images always misidentified by the three trained networks during testing

专家评论

这项研究代表了真菌诊断民主化的重要一步，提供了一个可以特别影响资源有限地区的大规模工具。ResNet-18接近完美的准确性令人鼓舞，尽管实际应用需要在更广泛的菌种谱系、培养条件和图像获取方式上进行验证。正如作者所强调的，基于人工智能的鉴定成功取决于一个强大且多样的图像数据库——这一挑战需要多中心合作。

美国感染病学会（IDSA）和欧洲医学真菌学联合会（ECMM）的现行指南强调了及时准确的曲霉菌鉴定对于指导抗真菌治疗和流行病学监测的重要性。如果经过验证并整合，基于人工智能的诊断可以补充现有工作流程，提高实验室效率，而不取代在模棱两可情况下需要分子确认的需求。

局限性包括研究的概念验证性质、菌种数量有限以及对图像质量的依赖。潜在的混淆因素如混合培养物、非典型形态或实验室伪影未得到解决，代表了进一步发展的方向。

结论

基于卷积神经网络的人工智能图像识别，以ResNet-18为例，为从菌落图像中识别曲霉菌种提供了一种高度准确、快速且经济有效的策略。随着进一步改进和数据库扩展，这项技术可以改变常规临床真菌学，扩大全球及时真菌诊断的可及性。未来的研究应重点关注更广泛的菌种代表性、与实验室信息系统的集成以及在不同临床背景下的实际验证。

参考文献

1. Tsang CC, Zhao C, Liu Y, Lin KPK, Tang JYM, Cheng KO, Chow FWN, Yao W, Chan KF, Poon SNL, Wong KYC, Zhou L, Mak OTN, Lee JCY, Zhao S, Ngan AHY, Wu AKL, Fung KSC, Que TL, Teng JLL, Schnieders D, Yiu SM, Lau SKP, Woo PCY. 自动识别重要临床曲霉菌种的人工智能图像识别：概念验证研究。Emerg Microbes Infect. 2025 Dec;14(1):2434573. doi: 10.1080/22221751.2024.2434573 IF: 7.5 Q1 B1.2. Patterson TF, Thompson GR, Denning DW, et al. 侵袭性曲霉病诊断和管理实践指南：2016年美国感染病学会更新。Clin Infect Dis. 2016;63(4):e1-e60. doi:10.1093/cid/ciw326 IF: 7.3 Q1 B2.3. Arvanitis M, Anagnostou T, Fuchs BB, et al. 侵袭性真菌感染的分子和非分子诊断方法。Clin Microbiol Rev. 2014;27(3):490-526. doi:10.1128/CMR.00091-13 IF: 19.3 Q1 B1.