Beckman-forskare parade mikroskopi med artificiell intelligens för att utveckla ett COVID-19-test som är snabbt, exakt, och kostnadseffektivt. Allt vi behöver göra är att säga "ahh."

Många av oss har stött på eller upplevt ett covid-19-test. Som själva pandemin, frekvent screening har blivit en del av det dagliga livet. Eftersom SARS-CoV-2 fortsätter att vara en formidabel fiende, våra strategier för att upptäcka och klassificera viruset måste förbli smidiga och sofistikerade.

Ange Beckman-forskaren Gabriel Popescu, en UIUC-professor i el- och datateknik, och hans tvärvetenskapliga team. Deras studie, "Etikettfri SARS-CoV-2-detektering och klassificering med hjälp av fasavbildning med beräkningsspecificitet, " publicerades i Ljus:Vetenskap och tillämpningar-Natur.

Med början i maj 2020 och kommer att förverkligas mitt i en global kris, projektets tidslinje löper parallellt med pandemin som föranledde det. Utmärkande för ett Beckman-lag, forskarnas första steg var att identifiera en möjlighet att förnya sig; de observerade att även om det för närvarande finns många tekniker för att testa för SARS-CoV-2, ingen använder en etikettfri optisk metod.

Den ringa storleken på en enskild partikel gör det nästan omöjligt att förlita sig på bara synen, även med ett mikroskop. Elektronmikroskopi är användbart för att avbilda en partikels struktur, men omfattande förberedelser krävs för att säkerställa ett provs synlighet. Även om nödvändigt, denna process kan skymma den önskade bilden.

Popescus team vände sig till en teknik som utvecklats på Beckman som vanligtvis är reserverad för att visualisera celler:rumslig ljusbildsmikroskopi, vilket underlättar kemikaliefri (eller etikettfri) avbildning.

"Ett elektronmikroskop ger en tydlig bild, men det kräver omfattande provberedning, sa Neha Goswami, en doktorand i bioingenjör och 2021 mottagare av Beckman Institutes Nadine Barrie Smith Memorial Fellowship. "Att använda SLIM för virusavbildning är som att titta på något utan glasögonen på. Bilden är suddig på grund av att virusen är mindre än diffraktionsgränsen. på grund av den höga känsligheten hos SLIM, vi kan inte bara upptäcka virus, men också skilja mellan olika typer."

Lyckligtvis, forskarna identifierade ett kreativt sätt att identifiera virus baserat på SLIM-data:artificiell intelligens. Med rätt utbildning, ett avancerat djupt neuralt nätverk kan programmeras för att känna igen även de suddigaste bilderna.

De introducerade AI-programmet för ett par bilder:en färgad SARS-CoV-2-partikel som producerar fluorescens, och en fasbild som tagits med ett fluorescens-SLIM multimodalt mikroskop. AI:n är tränad att känna igen dessa bilder som en och samma. Lätt att känna igen, den fluorescensfärgade bilden fungerar som träningshjul; med tillräckligt med upprepningar, maskinen lär sig att upptäcka virus direkt från SLIM, etikettfria bilder utan extra stöd.

Efter upptäckt kommer differentiering:urskiljning av SARS-CoV-2 från andra typer av virus och partiklar.

"Vi gjorde livet tufft på maskinen, " sa Goswami. "Vi gav den damm, pärlor, och andra virus för att träna och lära sig att plocka viruset ur en folkmassa i motsats till att identifiera när det är av sig självt."

AI lärde sig att skilja mellan SARS-CoV-2 och andra virala patogener som H1N1, eller influensa A; HADV, eller adenovirus; och ZIKV, eller Zika-virus. Den prekliniska prövningen var mycket framgångsrik, vilket resulterar i 96 % framgång för SARS-CoV-2-detektering och klassificering.

"Denna anmärkningsvärda framgång beror på vårt team av experter från flera olika discipliner som gick samman med ett unikt mål:att skapa den snabbaste, mest prisvärda och skalbara test som möjligt. Våra nuvarande ansträngningar är fokuserade på att demonstrera detta tillvägagångssätt på kliniken och distribuera det över hela världen för COVID och potentiellt andra infektionssjukdomar, sa Popescu.

Projektets mål är ett känsligt och specifikt viralt utandningstestdetektionssystem som hjälper till med virusdiagnostik och i strategier för förebyggande av överföring; i dag, detta kan ta formen av en snabb, hög genomströmning, lågkostnadstest av covid-19 med potential för portabilitet och åtgärd på vårdplatsen.

Med klinisk validering väntande, forskare spekulerar i att ett covid-19-test utfört med denna metod skulle se ut ungefär så här:försökspersonen skulle bära en ansiktsskärm, på vilken en klarglasruta skulle fästas; de skulle sedan slutföra en aktivitet där deras andetag fixeras vid bilden (som att läsa ett stycke högt). Sliden, och eventuella partiklar som är fästa vid den, skulle avbildas och analyseras för att upptäcka eventuella virus som finns.

"Det finns två viktiga fördelar med den här typen av covid-test, " sade Goswami. "Den första är hastigheten:varaktigheten kan vara i storleksordningen en minut. Den andra är att vi inte lägger till några kemikalier eller modifieringar till de tillhandahållna proverna. Allt vi skulle betala för är kostnaden för ansiktsskyddet och själva bilden."

Ur ett kliniskt perspektiv, effekten av sådana innovativa diagnostiseringsmöjligheter är uttalad.

"Tidig ingripande genom snabb diagnos av covid-19, kombinerat med kontaktspårning, kommer att avsevärt minska överföringen av covid-19, sjuklighet, och dödlighet, sa Nahed Ismail, en professor i patologi och medicinsk chef för Clinical Microbiology Lab vid University of Illinois i Chicago.

Denna mycket adaptiva AI-programmering kan hjälpa till att hantera framtida pandemier, inte bara covid-19.

"Vi behöver snabb upptäckt av sjukdomar, " sa Goswami. "Inte bara COVID, men andra. Vi kan och bör lägga våra ansträngningar tillsammans, både när det gäller optik och AI, för att försöka ta reda på hur långt vi kan gå."

Denna spetsforskning är ett resultat av samarbete mellan forskare från Beckman Institute, University of Illinois Urbana-Champaign, och University of Illinois i Chicago.

"Det fantastiska med det här projektet är att vi kan ta med laboratoriearbete till kliniska prövningar på mycket kort tid, sa Helen Nguyen, Ivan Racheff professor i bygg- och miljöteknik vid UIUC och projektmedarbetare.