一项新研究展示了一种结合深度学习与机器学习的多模型人工智能（AI）框架，在疟疾诊断中实现了高达96.47%的准确率，为全球疟疾防控提供了一种高效的诊断工具。该研究由沙特阿拉伯焦夫大学和埃及开罗大学等机构联合完成，标志着AI在热带疾病诊断领域的应用迈出了重要一步。疟疾作为一种严重的健康威胁，尤其在非洲地区病例数居高不下，传统的显微镜检查方法存在耗时、易出错且普及困难等问题。此次开发的AI框架通过整合三种深度学习模型进行特征提取，并在包含大量血液涂片图像的数据集上进行了验证，其灵敏度、特异性和精准度均表现优异，且优于现有AI诊断方法。这项技术无需特殊设备即可部署，特别适合医疗资源匮乏的地区，为疟疾的快速诊断提供了可靠的解决方案。研究团队计划进一步扩大数据集验证，并探索其在其他血液疾病诊断中的应用。

💡AI框架在疟疾诊断中展现出卓越性能，准确率高达96.47%，灵敏度96.03%，特异性96.90%，精准度96.88%，显著优于单一模型和现有AI诊断方法。该框架通过整合3种深度学习模型进行特征提取，并采用多数投票机制综合判断，有效降低了误判风险，为疟疾的快速准确诊断提供了可靠的技术支持。

🌍疟疾是热带及亚热带地区面临的重大健康威胁，尤其在非洲地区发病率高。传统的显微镜检查方法依赖专家经验，存在耗时、易出错且在资源匮乏地区普及困难的问题。这项AI诊断技术无需特殊设备即可部署，为解决这些挑战提供了有效途径，尤其适合医疗资源有限的地区，有助于提升全球疟疾防控能力。

🚀该研究由沙特阿拉伯焦夫大学、埃及开罗大学等机构联合完成，标志着AI在热带疾病诊断领域的应用取得重要进展。研究团队计划下一步扩大数据集验证，并探索将该AI框架应用于白血病等其他血液疾病的诊断，展现了AI技术在医疗健康领域广阔的应用前景和潜力。

    科技日报讯 （记者张梦然 实习生周思彤）7月16日发表在《科学报告》的一项新研究显示，一种结合深度学习与机器学习的多模型人工智能（AI）框架，在疟疾诊断中实现了96.47%的准确率，为全球疟疾防控提供了高效诊断工具。这项由沙特阿拉伯焦夫大学、埃及开罗大学等机构联合完成的研究，推动了AI在热带疾病诊断领域的应用。

    疟疾作为热带及亚热带地区的重大健康威胁，2022年全球报告病例达2.49亿，其中非洲病例占比90%。传统显微镜检查依赖专家经验，耗时且易出错，在资源匮乏地区也难以普及。

    此次开发的多模型AI框架创新性地整合了3种深度学习模型进行特征提取。团队在包含27558张血液涂片图像的公开数据集上验证了该框架的优异性能：灵敏度达96.03%，特异性达96.90%，精准度达96.88%，均优于单一模型。多数投票机制通过综合多种模型的判断，有效降低了误判风险，其表现超越现有的AI诊断方法。

    该成果为疟疾快速诊断提供了可靠方案，且该技术无需特殊设备即可部署，尤其适合医疗资源有限的地区。下一步，团队将扩大数据集验证，探索在白血病等其他血液疾病诊断中的应用。