AIR-LEISH: Un dataset di immagini microscopiche colorate con Giemsa per il rilevamento automatizzato degli amastigoti di Leishmania

Perché piccoli parassiti e fotocamere intelligenti contano

La leishmaniosi è una malattia trasmessa da parassiti che colpisce silenziosamente milioni di persone, soprattutto in regioni a basso reddito. Medici e ricercatori si affidano ancora in larga misura all’osservazione di strisci ematici e tissutali colorati al microscopio per individuare il parassita all’interno delle cellule immunitarie — un processo meticoloso che può richiedere ore e richiede formazione specializzata. Questo articolo presenta AIR-LEISH, una raccolta liberamente disponibile di immagini microscopiche pensata per permettere ai computer di imparare a riconoscere automaticamente questi parassiti, aprendo la strada a strumenti diagnostici e per la ricerca farmacologica più rapidi, economici e affidabili.

Dalle punture della flebotomide agli invasori nascosti

La leishmaniosi si trasmette tramite la puntura di flebotomi infetti e può provocare lesioni cutanee o infezioni potenzialmente letali degli organi interni. Il parassita vive e si moltiplica all’interno di cellule bianche chiamate macrofagi, nascondendosi in una piccola forma tondeggiante nota come amastigote. Per valutare quanto è grave l’infezione in un paziente o quanto è efficace un trattamento potenziale, i ricercatori devono contare quanti parassiti sono presenti all’interno di queste cellule. I test molecolari possono rilevare il DNA del parassita, ma in molti ospedali e laboratori — specialmente in contesti con risorse limitate — il microscopio ottico rimane lo strumento principale. Contare i parassiti a occhio, però, è lento, faticoso e può variare da un osservatore all’altro.

Costruire un set di addestramento per la visione artificiale

L’intelligenza artificiale ha dimostrato di saper individuare pattern in immagini mediche che sono troppo sottili o noiosi da processare su larga scala per gli esseri umani. Ma per farlo bene, i sistemi di IA necessitano di migliaia di esempi accuratamente etichettati. Finora, tali raccolte di immagini per la leishmaniosi erano scarse, incomplete o difficili da reperire — soprattutto per la fase clinicamente importante degli amastigoti all’interno delle cellule. Gli autori hanno creato AIR-LEISH per colmare questa lacuna: 180 immagini microscopiche ad alta risoluzione, colorate con Giemsa, di macrofagi umani infettati, acquisite con uno smartphone comune montato su un microscopio da ricerca standard. Ogni immagine mostra cellule da uno dei due allestimenti sperimentali, usando diverse specie di parassiti e tipi di cellule ospiti, in modo da coprire un’ampia gamma di aspetti realistici.

Trasformare immagini grezze in verità attendibile

Per rendere le immagini utili ai computer, ogni cellula e parassita è stato tracciato e etichettato a mano. Un esperto di parassitologia ha prima segnato i contorni dei singoli macrofagi, dei loro nuclei e dei minuscoli amastigoti usando uno strumento di annotazione specializzato. Un ingegnere dell’IA ha poi perfezionato queste marcature pixel per pixel per garantire forme e confini precisi, inclusi i parassiti piccoli o sovrapposti. Il team ha verificato la coerenza tra gli annotatori riscontrando un accordo molto elevato, indicando che le etichette possono essere considerate verità di riferimento. In totale, il dataset include 8.140 parassiti, 1.511 cellule ospiti e 1.731 nuclei, insieme a immagini di maschere separate che indicano esattamente a un algoritmo quali pixel appartengono a quale struttura.

Mettere alla prova i modelli di IA

Per mostrare cosa può abilitare AIR-LEISH, i ricercatori hanno addestrato due sistemi di analisi delle immagini ampiamente usati. Uno, chiamato U‑Net, è progettato per colorare ogni pixel in base al fatto che appartenga allo sfondo, al parassita, al corpo cellulare o al nucleo. L’altro, YOLOv8, disegna riquadri rettangolari intorno a ogni oggetto rilevato e li conta. Nonostante le piccole dimensioni dei parassiti e il numero limitato di immagini, entrambi i modelli hanno ottenuto buoni risultati nel trovare e separare i parassiti dalle cellule ospiti, raggiungendo punteggi elevati in termini di accuratezza e affidabilità. I modelli sono riusciti persino a individuare una singola cellula infetta tra più di cento cellule per lo più pulite, suggerendo il loro potenziale per supportare in futuro screening molto sensibili.

Aprire porte per cure migliori e nuove terapie

Rendendo AIR-LEISH disponibile liberamente sulla piattaforma Zenodo, insieme al codice e a documentazione dettagliata, gli autori forniscono una base pratica a molti gruppi nel mondo — specialmente a quelli con risorse limitate — per sviluppare e confrontare strumenti di IA per la leishmaniosi. Poiché le immagini includono anche le cellule ospiti e i loro nuclei, il dataset può supportare studi più ampi sul conteggio cellulare, sul livello di infezione e persino su altri patogeni che vivono all’interno di cellule immunitarie simili. In termini semplici, questo lavoro trasforma ore di lavoro microscopico esperto in una risorsa digitale riutilizzabile, contribuendo ad accelerare la diagnostica, la scoperta di farmaci e, in ultima analisi, la lotta contro una malattia trascurata ma grave.

Citazione: 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

Parole chiave: leishmaniosi, immagini microscopiche, IA per imaging medico, rilevamento di parassiti, diagnosi di malattie infettive