食品和水样中病原菌的早期检测和鉴定对公众健康至关重要。细菌感染在全世界造成数百万人死亡,并带来沉重的经济负担,仅在美国每年就要花费40多亿美元。在致病菌中,大肠杆菌和其他大肠杆菌是最常见的,它们表明食物和水样中存在粪便污染。检测这些细菌的最传统和最常用的方法是培养样本,最终读数通常需要超过24小时,需要专家目视检查。尽管一些基于核酸扩增的方法可以将检测时间缩短到几个小时,但它们无法区分活细菌和死细菌,并且在低浓度细菌时灵敏度较低。这就是为什么美国环境保护局(EPA)不批准任何基于核酸的细菌传感方法来筛选水样。
在最近发表在美国化学学会(ACS)杂志ACS Photonics上的一篇文章中,由加州大学洛杉矶分校(UCLA)电气和计算机工程系的Aydogan Ozcan教授领导的一组科学家及其同事开发了一种使用薄膜晶体管(TFT)阵列的人工智能智能智能细菌菌落检测系统,这是一种广泛应用于手机和其他显示器的技术。
TFT阵列的超大成像面积(27毫米脳 26毫米),使该系统能够快速捕获细菌菌落的生长模式,而无需扫描,大大简化了硬件和软件设计。与EPA批准的基于金标准培养的方法相比,该系统节省了约12小时的时间。通过分析TFT阵列捕获的微观图像随时间的变化,基于人工智能的系统可以使用深度神经网络快速自动检测菌落生长。在检测每个菌落后,使用第二个神经网络对细菌种类进行分类。
通过对三种细菌进行早期检测和分类,即大肠杆菌、柠檬酸杆菌和肺炎克雷伯菌,证明了该自动菌落检测系统的有效性。研究人员在9小时内实现了>90%的菌落检测率,并在9小时内进一步确定了它们的物种鈭?2小时,与EPA批准的培养方法相比,可节省约12小时的时间。此外,使用标准计算机,所有数字处理步骤所需时间均小于25秒,无需高级图形处理单元(GPU)。
这些结果证明了这种基于人工智能的自动细菌菌落检测系统的可行性,该系统使用TFT阵列作为一种快速、经济、准确的技术,特别适用于资源有限的环境。由于在移动显示器中广泛使用的TFT阵列具有低成本、低热产、大可扩展性和低功耗等特点,该自动菌落检测平台在微生物学研究和基于现场的细菌传感方面具有巨大的潜力。