贝克曼研究人员将显微镜与人工智能结合起来，开发了一种快速、准确、经济高效的COVID-19检测方法。我们要做的就是说"啊"

我们中的许多人都遇到或经历过COVID-19测试。就像大流行本身一样，频繁的筛查已经成为日常生活的一部分。由于SARS-CoV-2仍然是一个强大的敌人，我们检测和分类病毒的战略必须保持敏捷和复杂。

贝克曼研究人员加布里埃尔·波佩斯库(Gabriel Popescu)和他的跨学科团队登场了。波佩斯库是UIUC电子与计算机工程教授。他们的研究“使用具有计算特异性的相位成像无标签SARS-CoV-2检测和分类”发表在《光:科学与应用-自然》杂志上。

该项目从2020年5月开始，在全球危机中开花结果，其时间表与引发该项目的大流行同步。贝克曼团队的特点是，研究人员的第一步是找到创新的机会;他们观察到，虽然目前存在许多检测SARS-CoV-2的技术，但没有一种使用无标签的光学方法。

单个粒子的微小尺寸使得仅仅依靠视觉几乎是不可能的，即使是用显微镜。电子显微镜对粒子的结构成像是有用的，但需要大量的准备工作来确保样品的可见性。虽然这是必要的，但这个过程可能会模糊期望的图像。

波佩斯库的团队转向了贝克曼大学开发的一种通常用于细胞可视化的技术:空间光成像显微镜，这种技术可以促进无化学物质(或无标签)成像。

幸运的是，研究人员发现了一种创造性的方法来识别基于SLIM数据的病毒:人工智能。通过正确的训练，一个先进的深度神经网络可以被编程来识别甚至是最模糊的图像。

他们将人工智能程序引入了一对图像:一个产生荧光的染色的SARS-CoV-2颗粒，以及一个用荧光- slim多模态显微镜捕获的相位图像。经过训练，人工智能可以将这些图像识别为同一图像。易于识别，荧光染色图像的功能就像辅助轮;只要重复次数足够多，机器就能学会在没有额外支持的情况下，直接从无标签的SLIM图像中检测病毒。

检测之后是分化:将SARS-CoV-2与其他类型的病毒和颗粒区分开来。

戈斯瓦米说:“我们让机器上的生活变得艰难。”“我们给它灰尘、珠子和其他病毒来训练它，让它学会从人群中挑选病毒，而不是在病毒单独存在时进行识别。”

人工智能学会了区分SARS-CoV-2和其他病毒病原体，如H1N1或甲型流感;hav，或腺病毒;以及寨卡病毒。临床前试验非常成功，SARS-CoV-2的检测和分类成功率为96%。

“这一显著的成功归功于我们来自不同学科的专家团队，他们为了一个独特的目标走到一起:创造最快、最经济、可扩展的测试。我们目前的工作重点是在诊所展示这种方法，并在全球范围内部署这种方法来治疗COVID和其他潜在的传染病。”

该项目的目标是建立一种敏感和特定的病毒呼吸测试检测系统，以帮助进行病毒诊断和预防传播策略;今天，这可以采取一种快速、高通量、低成本的COVID-19检测方法，具有便携性和护理点行动的潜力。

在临床验证尚未完成的情况下，研究人员推测，用这种方法进行的COVID-19测试将是这样的:受试者将戴上面罩，并在其上贴上透明的玻璃载玻片;然后他们将完成一个活动，其中他们的呼吸固定在幻灯片上(比如大声朗读一段话)。载玻片和附着在上面的任何颗粒都将被成像和分析，以检测是否存在病毒。

戈斯瓦米说:“这种COVID检测有两个关键优势。“首先是速度:持续时间可以是一分钟左右。第二，我们没有在提供的样品中添加任何化学物质或修改。我们只需要支付面罩和滑梯本身的费用。”

从临床角度来看，这种创新诊断能力的影响是明显的。

伊利诺伊大学芝加哥分校临床微生物学实验室病理学教授兼医学主任纳赫德·伊斯梅尔说:“通过快速诊断COVID-19进行早期干预，并结合接触者追踪，将大大降低COVID-19的传播、发病率和死亡率。”

这种高度自适应的人工智能程序可以帮助应对未来的大流行病，而不仅仅是COVID-19。

“我们需要快速发现疾病，”戈斯瓦米说。“不仅是COVID，还有其他疾病。我们可以而且应该在光学和人工智能方面共同努力，试图找出我们能走多远。”

这项前沿研究是贝克曼研究所、伊利诺伊大学厄巴纳-香槟分校和伊利诺伊大学芝加哥分校的科学家们合作的结果。

“这个项目的神奇之处在于，我们可以在很短的时间内将实验室工作带到临床试验中，”UIUC土木与环境工程Ivan Racheff教授、项目合作者海伦·阮(Helen Nguyen)说。