AIR-LEISH: סט נתוני תמונות מיקרוסקופיות צבועות גימסה לזיהוי אמסטיגוטים של להישמניה בעזרת בינה מלאכותית

מדוע טפילים זעירים ומצלמות חכמות חשובים

לישמניאזיס היא מחלה הנישאת על ידי טפילים, המשפיעה בשקט על מיליונים, בעיקר באזורים בעלי הכנסה נמוכה. רופאים וחוקרים עדיין מסתמכים במידה רבה על הסתכלות על טביעות דם ורקמה צבועות תחת מיקרוסקופ כדי לזהות את הטפיל בתוך תאי מערכת החיסון — תהליך מייגע שלעתים יכול לקחת שעות ודורש הכשרה מיוחדת. עבודה זו מציגה את AIR-LEISH, אוסף תמונות מיקרוסקופ בחופשיות שנועד לאפשר למחשבים ללמוד לזהות את הטפילים אוטומטית, ובכך לפתוח דלת לכלים מהירים, זולים ומהימנים יותר לאבחון ולמחקר תרופות.

מנשיכות זבובי חול לפולשים חבויים

לישמניאזיס מועברת על ידי נשיכות זבובי חול נגועים ועלולה לגרום לפצעים בעור או לזיהום מסכן חיים של איברים פנימיים. הטפיל חי ומתרבה בתוך תאי דם לבנים שנקראים מאקרופאגים, ומתחבא בצורה עגולה קטנה הידועה כאמסטיגוט. כדי לעקוב אחר חומרת המחלה אצל מטופל או להעריך עד כמה טיפול פוטנציאלי יעיל, החוקרים חייבים לספור כמה טפילים נמצאים בתוך תאים אלה. בדיקות מולקולריות במעבדה יכולות לזהות DNA של הטפיל, אך בבתי חולים ומעבדות מחקר רבים — במיוחד במקומות בעלי משאבים מוגבלים — המיקרוסקופ האופטי הפשוט נשאר הכלי העיקרי. ספירת הטפילים בעין היא איטית, מתישה ועלולה להשתנות מאדם לאדם.

בניית אוסף אימון לראייה מלאכותית

בינה מלאכותית הראתה שהיא יכולה לזהות דפוסים בתמונות רפואיות שהם עדינים או משעממים מדי לטיפול אנושי בקנה מידה. אבל כדי לעשות זאת היטב, מערכות בינה מלאכותית זקוקות לאלפי דוגמאות מתויגות בקפידה. עד כה אוספי תמונות כאלה ללישמניאזיס היו נדירים, לא שלמים או קשים להשגה — במיוחד עבור שלב האמסטיגוטים הפחות פתולוגי בתוך התאים. המחברים יצרו את AIR-LEISH כדי למלא את הפער הזה: 180 תמונות מיקרוסקופ ברזולוציה גבוהה, צבועות בגימסה של מאקרופאגים אנושיים נגועים, שצולמו עם סמארטפון רגיל המותקן על מיקרוסקופ מחקר סטנדרטי. כל תמונה מייצגת תאים מאחד משני סביבות זיהום שונות, המשתמשות במיני טפילים וסוגי תאים מארחים שונים, כך שהמגוון של הופעות מציאותיות מכוסה.

הפיכת תמונות גולמיות לאמת קרקע מהימנה

כדי להפוך את התמונות לשימושיות למחשבים, כל תא וכל טפיל נדרשו לעקוב ולתייג ביד. מומחה לפרזיטולוגיה סמן תחילה את קווי המתאר של מאקרופאגים בודדים, את הגרעינים שלהם ואת האמסטיגוטים הקטנים באמצעות כלי תגוב מיוחד. מהנדס בינה מלאכותית עדכן אחר כך את הסימונים פיקסל אחר פיקסל כדי להבטיח צורות וגבולות מדויקים, כולל טפילים קטנים או חופפים. הצוות בדק עקביות בין המסמנים ומצא הסכמה מאוד גבוהה, מה שמצביע על כך שניתן לסמוך על התוויות כאמת קרקע. בסך הכל, אוסף הנתונים כולל 8,140 טפילים, 1,511 תאי מארח ו-1,731 גרעינים, יחד עם תמונות מסכה נפרדות שמראות לאלגוריתם בדיוק אילו פיקסלים שייכים לאיזה מבנה.

בחינת מודלים של בינה מלאכותית

כדי להדגים מה AIR-LEISH יכול לאפשר, החוקרים אימנו שני מערכות ניתוח תמונה נפוצות. אחת, המכונה U‑Net, נועדה לצבוע כל פיקסל לפי האם הוא שייך לרקע, לטפיל, לגוף התא או לגרעין. השנייה, YOLOv8, מציירת תיבות מלבניות סביב כל אובייקט שהיא מזהה וסופרת אותן. למרות גודלם הקטן של הטפילים ומספר התמונות המוגבל, שתי המודלים הצליחו למצוא ולהפריד טפילים מתאי המארח, והשיגו דירוגים גבוהים הן בדיוק והן באמינות. המודלים אף הצליחו לזהות תא אחד נגוע בין יותר ממאה תאים לרוב נקיים, מרמזים על הפוטנציאל שלהם לתמוך בסינון רגיש מאוד בעתיד.

פתיחת דלתות לטיפול טוב יותר ולמרפאים חדשים

על ידי פרסום AIR-LEISH בפלטפורמת Zenodo באופן פתוח, יחד עם קוד ותיעוד מפורט, המחברים מספקים בסיס מעשי לקבוצות רבות ברחבי העולם — במיוחד אלה עם משאבים מוגבלים — לבנות ולהשוות כלים מבוססי בינה מלאכותית ללישמניאזיס. מאחר שהתמונות כוללות גם את תאי המארח והגרעינים שלהם, מערך הנתונים תומך במחקרים רחבים יותר של ספירת תאים, רמות זיהום ואפילו פתוגנים אחרים החיים בתוך תאים חיסוניים דומים. בפשטות, עבודה זו ממירה שעות של עבודת מיקרוסקופ מומחית למשאב דיגיטלי שניתן להשתמש בו שוב, ותורמת להאצת האבחון, גילוי תרופות ולמאבק במחלות מוזנחות אך חמורות.

ציטוט: Oualha, R., Fekih-Romdhane, N., Driss, D. et al. AIR-LEISH: A Dataset of Giemsa-Stained Microscopy Images for AI-based Leishmania amastigotes Detection. Sci Data 13, 328 (2026). https://doi.org/10.1038/s41597-026-06676-8

מילות מפתח: לישמניאזיס, תמונות מיקרוסקופיות, בינה מלאכותית להדמיה רפואית, גילוי טפיל, אבחון מחלות זיהומיות