机器学习自动判定多房棘球绦虫原头节活性的高通量药物筛选研究

Acta tropica · 2026-11-11 · 期刊论文

• 一句话结论：结论：基于染色图像提取特征的机器学习模型可对多房棘球绦虫原头节活性进行分类，内部测试判别性能较高、外部验证性能中等；提示该方法有标准化高通量药筛的潜力。
• 研究设计与做法：设计：方法学开发与验证研究；共分析111张图像、含1302个经伊红或亚甲蓝染色的原头节；提取直方图图像特征，经预处理、降维与特征选择；训练6种分类算法，采用五折交叉验证，并在内部测试集与外部验证集上以ROC曲线分析评价。
• 主要结果：结果：内部测试集评分0.8905–0.9467，外部验证集评分0.7772–0.8214；支持向量机、逻辑回归与线性判别分析模型在内部与外部数据集均显示较好判别性能；各模型具体敏感度、特异度与置信区间材料未报告。
• 机制或解释：机制：作者未讨论具体生物学机制，主要解释为机器学习可基于染色图像客观、自动地判定原头节存活状态，替代人工镜检计数。
• 局限与边界：局限：证据档位C；图像与虫体来源、染色批次及外部验证集独立性材料未报告；样本量有限（111张图像）；仅基于直方图特征，未与人工计数的一致性指标充分报告；利益冲突材料未报告。
• 可否落地：落地：提示该自动化分类可作为高通量药筛的候选辅助工具，用于减少人工镜检的主观误差；但尚不足以下结论认为其可替代现行活性判定标准，需更大规模、多中心图像数据与前瞻性药筛验证。

🔗 打开原文

Li J, Zhao T, Liu L 等

本文摘自《每日前沿研究简报 · 2026-11-13》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。