Ein neues KI-System, entwickelt von der University of Surrey’s Institute for People-Centred AI (PAI) in Zusammenarbeit mit dem Rabies und Viral Zoonoses Team der Animal and Plant Health Agency (APHA), beschleunigt die Erkennung des Tollwutvirus in Zellkulturen. Das System ist darauf ausgelegt, die Überwachung der Tollwut zu verbessern, einer Krankheit, die jährlich etwa 59.000 menschliche Todesfälle verursacht, und praktische Laborwerkzeuge für endemische Länder bereitzustellen.
Aktuelle diagnostische Verfahren umfassen die manuelle Untersuchung von Mikroskopiebildern, ein Prozess, der langsam ist und zu Interpretationsunterschieden führen kann. Forscher trainierten mehrere Deep-Learning-Modelle unter Verwendung von über 2.300 Fluoreszenzbildern, die über 36.000 annotierte Abschnitte enthielten. Das leistungsstärkste Modell erreichte 99,6 Prozent Genauigkeit bei der Klassifizierung der Tollwutvirus-Infektion innerhalb von Zellen und unterscheidet effektiv infizierte von nicht-infizierten Zellen. Das System bietet schnellere und konsistentere Probenanalysen und reduziert die Abhängigkeit von manueller Interpretation.
Diese Technologie könnte besonders in Ländern mit begrenzter Fachkraftkompetenz von Vorteil sein und ist darauf ausgelegt, Antikörpertiter zuverlässig zu messen, was die Bewertung des Impfschutzes und internationale Tierreisebestimmungen unterstützt. Die Forschung etabliert einen Rahmen, der sich für die Detektion, Analyse und Überwachung anderer Erreger anpassen lässt und potenziell breitere Anwendungen von KI in der Forschung und Diagnostik von Infektionskrankheiten ermöglicht. Zukünftige Entwicklungen zielen darauf ab, die Technologie für die Detektion in infiziertem Hirngewebe anzupassen, mit dem Ziel, internationale Tollwut-Diagnoselaboratorien zu transformieren. Diese Innovation unterstützt globale Bemühungen zur Eliminierung menschlicher Todesfälle durch Tollwut, indem sie die Überwachung und die diagnostischen Fähigkeiten stärkt.