杜克大学的研究人员设计出有了一种计算机方法，用作自律、较慢临床疟疾（与临床临床的精确性非常），这是顺利临床该疾病并制止它传播的至关重要的一步。　　仅有在2015年，全球疟疾病毒感染人数超过2.14亿人，丧生人数估算超过43.8万人。　　虽然西医需要以十分低的准确性临床出有疟疾，但是在贫困地区，由于资源受限，展开疟疾临床十分艰难，从而造成了这些地区疟疾感染率非常低。　　疟疾的症状与许多其它类型的疾病很类似于，意味着依赖经验丰富的工作人员和显微镜足以展开精确辨别。

虽然不存在较慢临床方法，但是必须大大出售新的试纸，造成价格昂贵。而且这些测试无法通过计算出来病毒感染细胞的数量，告诉你病毒感染的相当严重程度，而这些数据对于病人的康复是十分最重要的。　　在一项新的研究中，杜克大学的工程师们讲解了一种新方法，利用计算机深度自学和光基、全息扫瞄方法追踪疟疾病毒感染细胞，而且这是一个自律方法，意味着必须非常简单的、无认识检测。

这项创意为构建较慢、可信的测试奠定了基础，全球每年要花费27亿美元抗击疟疾，因此，这项技术十分宝贵。　　该成果公开发表在9月16日出版发行的期刊PLOSONE的网络版上。

　　利用这项技术，需要在每分钟处置几千个细胞，杜克大学生物医学工程教授亚当韦克斯说道。这是一个极大的变革，目前现场技术人员展开一系列的打算和临床必须40分钟。　　这种新技术是在定量互为光谱技术的基础上展开研发的。通过红外线的光谱展开激光扫描，传感器捕捉每个线性光频与血液样本如何展开相互作用。

由全息图像产生的数据，获取了一系列有价值的信息，可以用作临床疟疾病毒感染。　　我们确认了23个用来临床疟疾的、具备统计学意义的参数，HanSangPark说道，他是韦克斯实验室的博士研究生，也是该论文的第一作者。例如，随着疾病的发展，红细胞数量增加，血红蛋白减少，随着寄生虫逆大，红细胞再次发生变形。这些都是病毒感染特征，如细胞数量、周长、形状和质量。

　　但是，单凭其中一个参数无法作出可信的辨别，因此，我们要求将所有参数都加以利用。　　使用任何新的临床设备，都必须经验丰富的工作人员利用显微镜作出精确临床，韦克斯说道。否则，即使准确率超过90%，你每年依然不会经常出现2000万的复发病例。

　　为了提升临床准确率，韦克斯和Park利用了深度自学方法，由计算机来教他们区分有所不同的对象。通过将多达1000个身体健康和患病细胞数据输出计算机，深度自学程序可以确认用哪一套参数，在哪一个阈值范围精确区分身体健康和患病细胞。

　　当他们将算法利用几百个细胞样本展开测试的时候，需要精确找到97%-100%的疟疾细胞，研究人员指出，如果将更加多的细胞数量应用于该程序，那么准确率还不会有所提高。因为该技术将数据非常丰富的全息图分解成意味着23个参数，所以该测试方法可以很更容易地展开传输，这对于贫穷、网速慢的地区十分最重要，而且也不必须每个地点都有自己的计算机展开处置。　　韦克斯和Park通过一家取名为M2光子创意（M2PhotonicsInnovations）的初创公司，正在将该技术开发成临床设备。他们期望，在该技术基础上研发出有的设备，需要在疟疾临床领域构建精确、低成本的应用于。

韦克斯早已取得了资助资金，开发利用该技术在血液样本中临床癌细胞的新技术。

本文来源：西瓜直播-www.econailspa.com