תמונות קולוניות ברזולוציה גבוהה של חיידקים מבודדים קלינית לזיהוי אוטומטי ולמידה עמוקה

מדוע נקודות זעירות על צלחת חשובות

כאשר רופאים בודקים זיהומים, הם לעתים קרובות מגדלים מיקרואורגניזמים מדגימת מטופל על צלחת מזון וממתינים להופעת נקודות זעירות שנקראות קולוניות. כל נקודה נובעת ממיקרואורגניזם יחיד, ומראיה ותבניתה מסייעים לצוות המעבדה להעריך מה עשוי לגרום למחלה. אבל קריאת מאות צלחות בעין היא איטית ומתישה. מחקר זה מתאר אוסף גדול ובנוי בקפידה של תמונות קולוניות באיכות גבוהה שנועד לעזור למחשבים ללמוד לזהות ולספור את הנקודות האלה במהירות ובאופן עקבי.

מגשר מעמדת מעבדה צפופה לתמונות דיגיטליות

במעבדות בתי חולים, הצוות מגדל בקביעות חיידקים מדגימות דם, שתן או דרכי נשימה. הם בוחנים את הקולוניות מבחינת גודל, צבע וצורה כדי להנחות אבחנה וטיפול. קריאה מסורתית בעין אינה רק אינטנסיבית בעבודה; היא גם משתנה מאדם לאדם, במיוחד כאשר יש לבדוק מספר רב של צלחות בזמן קצר. כשהמערכות הבריאותיות בודקות יותר מטופלים ושואפות לתשובות מהירות יותר, קיים דחף חזק לעבור מבדיקות ידניות לכלים דיגיטליים שיכולים לטפל בכמות גדולה של תמונות באותה רמת תקן בכל פעם.

בונים חלון נקי יותר על חיידקים

המחברים שאפו ליצור מאגר תמונות קולוניות שימנע רבות מהמגרעות של מאגרים ישנים, כגון תאורה לא אחידה ומספרים קטנים של מינים. הם אספו זנים קליניים ממטופלים אמיתיים במשך כמעט שנתיים, וכיסו 19 סוגי חיידקים חשובים, כולל כמה שעמידים לעתים קרובות לאנטיביוטיקה. עבור כל מין בחרו מספר זנים מובחנים וגידלו אותם בתווך מוצק בתנאים מבוקרים בקפידה, לפעמים ממתינים 48 שעות כדי לאפשר למאטים להראות את המראה האופייני שלהם. לאחר מכן השתמשו במכשיר הדמיה סגור, חסין לאור, עם מצלמה קבועה ושני מקורות אור — אחד מקרין דרך הצלחת ואחד משקף מהחזית — כדי לצלם תמונות חדה ויציבות של כל צלחת.

הפיכת צלחות למספרים למחשבים

לאחר שהתמונות צולמו, צוות מעבדה מאומן סייר בקפידה וקילסם תיבות סביב כל קולוניה באמצעות תוכנת תיוג. שני בודקים סימנו את הקולוניות באופן עצמאי, ומומחה שלישי פתר את המקרים הנדירים של קונפליקט, כך שסימון הסופי תאם בקירוב את קצוות הקולוניות האמיתיים. הצוות גם השכפל תמונות על ידי השתקפות אופקית או אנכית כדי ליצור דוגמאות נוספות והתאים את הסימונים בהתאם. בסופו של דבר ייצרו 950 תמונות מקוריות וגרסאות המהופכות שלהן, מה שהניב 1,900 תמונות עם 118,442 קולוניות מסומנות. התוויות מאוחסנות בכמה פורמטי קובץ נפוצים כך שכלים שונים של בינה מלאכותית יוכלו להשתמש באותם נתונים עם מעט עבודה נוספת.

מעמיסים את המאגר למבחן

כדי להראות מה המאגר שלהם תומך בו, החוקרים אימנו מודל מודרני לזיהוי עצמים כדי למצוא קולוניות על הצלחות ולחקור כיצד מינים שונים מופיעים במפה קומפקטית של תכונות התמונה. הם השתמשו רק בתמונות המקוריות, חילקו אותן לקבוצות אימון ובדיקה, ויישמו טריקים נפוצים כגון מיקסינג והסתרת חלקים של תמונות במהלך הלמידה. על צלחות הבדיקה המוחזקות הצדדי המודל הגיע לדיוק מאוד גבוה עבור רוב ה-19 המינים, כאשר היו רק כמה בעיות עם קולוניות קטנות או חיוורות שנמזגות עם הרקע. כאשר תיארו כיצד המודל מקבץ קולוניות במפה דו‑ממדית, כל מין יצר אשכול ברור, מה שמראה שהתמונות נושאות רמזים חזותיים חזקים ומבחינים שמחשב יכול ללמוד.

מה זה אומר לעבודה עתידית במעבדה

מאגר פתוח זה מציע נקודת התחלה נקייה ועשירה לבניית ובדיקת כלים שיכולים לזהות ולספור קולוניות באופן אוטומטי, ואפילו להפריד תכונות עדינות כגון טבעות של נזק תאי אדום סביב כמה חיידקים. בעוד שהוא מתמקד בזנים בודדים שגדלו לבד במקום בתערובת המורכבת של דגימות מטופלים אמיתיים, הוא לוכד את המגוון הטבעי בין זנים ומציג קולוניות בתנאים הניתנים לשחזור גבוה. עבור הקורא הלא מקצועי, המסקנה העיקרית היא שעל ידי הפיכת אלפי תמונות צלחות פטרי מוארות היטב למשאב משותף, עבודה זו מקלה על קבוצות רבות לעצב ולהשוות מערכות חכמות שעשויות יום אחד לסייע למעבדות בתי חולים לספק תוצאות זיהום אמינות ומהירות יותר.

ציטוט: Du, J., Yang, C., Sun, M. et al. High-Resolution Colony Images of Clinically Isolated Bacteria for Automated Detection and Deep Learning. Sci Data 13, 757 (2026). https://doi.org/10.1038/s41597-026-07095-5

מילות מפתח: קולוניות חיידקים, מאגר תמונות, זיהוי אוטומטי, למידה עמוקה, מיקרוביולוגיה קלינית