AIR-LEISH: Набор изображений микроскопии, окрашенных по Гимзе, для обнаружения амастигот Leishmania с помощью ИИ

Почему маленькие паразиты и умные камеры имеют значение

Лейшманиоз — паразитарное заболевание, которое незаметно поражает миллионы людей, преимущественно в регионах с низким уровнем дохода. Врачам и исследователям по‑прежнему приходится во многом полагаться на изучение окрашенных мазков крови и тканей под микроскопом, чтобы заметить паразита внутри иммунных клеток — утомительный процесс, который может занимать часы и требует специализированной подготовки. В этой статье представлен AIR-LEISH, свободно доступная коллекция микроскопических изображений, созданная для того, чтобы компьютеры могли автоматически распознавать этих паразитов, что открывает путь к более быстрым, дешевым и надежным инструментам для диагностики и исследований лекарств.

От укусов москитов до скрытых захватчиков

Лейшманиоз передается при укусе инфицированных москитов и может вызывать кожные язвы или угрожающее жизни поражение внутренних органов. Паразит живет и размножается внутри белых кровяных клеток, называемых макрофагами, прячась в малой округлой форме, известной как амастигота. Чтобы оценить степень поражения пациента или эффективность потенциального лечения, исследователям необходимо подсчитывать, сколько паразитов содержится в этих клетках. Молекулярные лабораторные тесты могут обнаруживать ДНК паразита, но во многих больницах и лабораториях — особенно в условиях с ограниченными ресурсами — основным инструментом остаются простые световые микроскопы. Однако подсчет паразитов «на глаз» медленный, утомительный и может сильно различаться между наблюдателями.

Создание обучающей выборки для искусственного зрения

Искусственный интеллект показал, что способен выявлять в медицинских изображениях шаблоны, которые слишком тонки или скучны для массовой обработки человеком. Но для хорошей работы системам ИИ требуется тысячи тщательно размеченных примеров. До сих пор такие наборы изображений для лейшманиоза были редки, фрагментарны или труднодоступны — особенно для клинически важной стадии амастиготы внутри клеток. Авторы создали AIR-LEISH, чтобы заполнить этот пробел: 180 высокоразрешающих изображений микроскопии, окрашенных по Гимзе, с инфицированными человеческими макрофагами, снятыми обычным смартфоном, установленным на стандартный исследовательский микроскоп. Каждая фотография показывает клетки из одной из двух схем заражения, с применением разных видов паразита и типов клеток‑хозяев, что обеспечивает широкий спектр реалистичных внешних видов.

Преобразование сырых снимков в доверительную эталонную правду

Чтобы сделать изображения пригодными для алгоритмов, каждую клетку и паразита пришлось обводить и помечать вручную. Эксперт по паразитологии сначала отметил контуры отдельных макрофагов, их ядер и крошечных амастигот с помощью специализированного инструмента аннотации. Затем инженер по ИИ уточнил эти метки пиксель за пикселем, чтобы обеспечить точные формы и границы, включая маленьких или перекрывающихся паразитов. Команда проверила согласованность между аннотаторами и обнаружила очень высокое согласие, что указывает на надежность меток как эталонной правды. В общей сложности набор данных включает 8 140 паразитов, 1 511 клеток‑хозяев и 1 731 ядро, а также отдельные маски, указывающие алгоритму, какие пиксели принадлежат каждой структуре.

Испытание моделей ИИ

Чтобы показать, что может дать AIR-LEISH, исследователи обучили две широко используемые системы анализа изображений. Одна, называемая U‑Net, предназначена для раскрашивания каждого пикселя в зависимости от того, относится ли он к фону, паразиту, телу клетки или ядру. Другая, YOLOv8, рисует прямоугольные рамки вокруг каждого обнаруженного объекта и считает их. Несмотря на маленький размер паразитов и ограниченное число изображений, обе модели хорошо справились с обнаружением и разделением паразитов и клеток‑хозяев, демонстрируя высокие показатели точности и надежности. Модели даже сумели заметить одну инфицированную клетку среди более чем сотни преимущественно чистых клеток, что намекает на их потенциал для поддержки очень чувствительного скрининга в будущем.

Открывая путь к лучшему уходу и новым лекарствам

Опубликовав AIR-LEISH открыто на платформе Zenodo вместе с кодом и подробной документацией, авторы предоставляют практическую основу для множества групп по всему миру — особенно для тех, у кого ограничены ресурсы — для создания и сравнения инструментов ИИ для лейшманиоза. Поскольку изображения также содержат клетки‑хозяева и их ядра, набор данных может поддерживать более широкие исследования подсчета клеток, уровня инфекции и даже других патогенов, живущих внутри похожих иммунных клеток. Проще говоря, эта работа превращает часы экспертной микроскопической работы в многократно используемый цифровой ресурс, помогая ускорить диагностику, открытие лекарств и, в конечном счете, борьбу с пренебрегаемым, но серьезным заболеванием.

Цитирование: 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

Ключевые слова: лейшманиоз, изображения микроскопии, ИИ в медицинской визуализации, обнаружение паразитов, диагностика инфекционных заболеваний