پژوهشگران آمریکایی نوعی پلتفرم مبتنی بر هوش مصنوعی ابداع کرده‌اند که می‌تواند باکتری‌های موجود در آب را شناسایی و طبقه‌بندی کند.
تاریخ انتشار :يکشنبه ۲۲ سرطان ۱۳۹۹ ساعت ۱۴:۴۴
کد مطلب : 214358
بیماری‌های ناشی از آب، سالانه بیش از دو میلیارد نفر را در سراسر جهان آلوده می‌کنند و علاوه بر مشکلات مربوط به سلامتی، بار اقتصادی سنگینی را نیز برای جوامع به همراه دارند. برای مثال، آمریکا سالانه بیش از دو میلیون دلار برای درمان بیماری‌های ناشی از آب هزینه می‌کند.
علاوه بر مشکلات مربوط به پاتوژن آب، یکی از شایع‌ترین نگرانی‌ها در مورد سلامت عمومی، وجود باکتری "اشریشیا کلی" (E. coli) در آب آشامیدنی است.
روش‌های قدیمی شناسایی این باکتری معمولا بین ۲۴ تا ۴۸ ساعت زمان می‌برند؛ در حالی که روش‌های شناسایی مولکولی می‌توانند زمان لازم برای شناسایی باکتری را کاهش دهند و به چند ساعت برسانند اما این روش‌ها حساسیت لازم را برای شناسایی باکتری‌ها در تراکم پایین ندارند. همچنین این روش‌ها نمی‌توانند میان ریزارگانیسم‌های مرده و زنده تمایزی قائل شوند. علاوه بر این، هنوز هیچ روش مولکولی برای شناسایی "باکتری کلی‌فرم"(Coliform bacteria) در آب وجود ندارد.
در حال حاضر، نیاز به یک روش خودکار احساس می‌شود که بتواند باکتری را با سرعت شناسایی کند و حساسیت بالایی نیز داشته باشد تا جایگزین روش‌هایی شوند که در حال حاضر مورد تایید هستند و به حداقل ۲۴ ساعت زمان نیاز دارند.
پژوهشگران "دانشگاه کالیفرنیا، لس‌آنجلس"(UCLA)، یک سیستم تصویربرداری هوشمند مبتنی بر هوش مصنوعی ابداع کرده‌اند که می‌تواند باکتری‌های زنده‌ای را که در آب هستند، به موقع تشخیص دهد و طبقه‌بندی کند. آنها با استفاده از روش "تمام نگاری" یا "هولوگرافی"(Holography)، یک سیستم تصویربرداری با حساسیت بالا طراحی کرده‌اند که تصاویر میکروسکوپی را از باکتری ثبت می‌کند. سپس با کمک یک شبکه عصبی عمیق، به تحلیل تصاویر می‌پردازد و رشد آنها را به سرعت شناسایی می‌کند. پس از شناسایی رشد باکتری، دومین شبکه عصبی عمیق به کار گرفته می‌شود تا نوع باکتری را طبقه‌بندی کند.
این پلتفرم منحصر به فرد، کارآیی خود را در آزمایش‌ها و با تشخیص و طبقه‌بندی سه نوع باکتری اشریشیا کلی، "Klebsiella aerogenes" و "کلبسیلا پنومونیه"(Klebsiella pneumoniae) ثابت کرد. پژوهشگران در این آزمایش‌ها توانستند با کمک این روش، باکتری‌های هر لیتر آب را طی ۹ ساعت شناسایی کنند.
نتایج این پژوهش نشان می‌دهند که این پلتفرم مبتنی بر هوش مصنوعی، نه تنها می‌تواند سریع و مقرون به صرفه باشد، بلکه به پژوهش‌های حوزه میکروبیولوژی نیز کمک کند.
این پژوهش، در مجله "Light: Science & Applications" به چاپ رسید.
علاوه بر مشکلات مربوط به پاتوژن آب، یکی از شایع‌ترین نگرانی‌ها در مورد سلامت عمومی، وجود باکتری "اشریشیا کلی" (E. coli) در آب آشامیدنی است.
روش‌های قدیمی شناسایی این باکتری معمولا بین ۲۴ تا ۴۸ ساعت زمان می‌برند؛ در حالی که روش‌های شناسایی مولکولی می‌توانند زمان لازم برای شناسایی باکتری را کاهش دهند و به چند ساعت برسانند اما این روش‌ها حساسیت لازم را برای شناسایی باکتری‌ها در تراکم پایین ندارند. همچنین این روش‌ها نمی‌توانند میان ریزارگانیسم‌های مرده و زنده تمایزی قائل شوند. علاوه بر این، هنوز هیچ روش مولکولی برای شناسایی "باکتری کلی‌فرم"(Coliform bacteria) در آب وجود ندارد.
در حال حاضر، نیاز به یک روش خودکار احساس می‌شود که بتواند باکتری را با سرعت شناسایی کند و حساسیت بالایی نیز داشته باشد تا جایگزین روش‌هایی شوند که در حال حاضر مورد تایید هستند و به حداقل ۲۴ ساعت زمان نیاز دارند.
پژوهشگران "دانشگاه کالیفرنیا، لس‌آنجلس"(UCLA)، یک سیستم تصویربرداری هوشمند مبتنی بر هوش مصنوعی ابداع کرده‌اند که می‌تواند باکتری‌های زنده‌ای را که در آب هستند، به موقع تشخیص دهد و طبقه‌بندی کند. آنها با استفاده از روش "تمام نگاری" یا "هولوگرافی"(Holography)، یک سیستم تصویربرداری با حساسیت بالا طراحی کرده‌اند که تصاویر میکروسکوپی را از باکتری ثبت می‌کند. سپس با کمک یک شبکه عصبی عمیق، به تحلیل تصاویر می‌پردازد و رشد آنها را به سرعت شناسایی می‌کند. پس از شناسایی رشد باکتری، دومین شبکه عصبی عمیق به کار گرفته می‌شود تا نوع باکتری را طبقه‌بندی کند.
این پلتفرم منحصر به فرد، کارآیی خود را در آزمایش‌ها و با تشخیص و طبقه‌بندی سه نوع باکتری اشریشیا کلی، "Klebsiella aerogenes" و "کلبسیلا پنومونیه"(Klebsiella pneumoniae) ثابت کرد. پژوهشگران در این آزمایش‌ها توانستند با کمک این روش، باکتری‌های هر لیتر آب را طی ۹ ساعت شناسایی کنند.
نتایج این پژوهش نشان می‌دهند که این پلتفرم مبتنی بر هوش مصنوعی، نه تنها می‌تواند سریع و مقرون به صرفه باشد، بلکه به پژوهش‌های حوزه میکروبیولوژی نیز کمک کند.
این پژوهش، در مجله "Light: Science & Applications" به چاپ رسید.
avapress.net/vdcamynua49n6e1.k5k4.html
تگ ها
پربازدیدترین
