杜克大学工程师开发了一种显微镜，它可以调整其照明角度、颜色和图案，同时自学完成给定诊断任务所需的最佳设置。在最初的概念验证研究中，显微镜同时开发了照明模式和分类系统，使其能够比训练有素的医生和其他机器学习方法更准确地快速识别受疟疾寄生虫感染的红细胞。其研究结果发表在《生物医学光学快报》期刊上。杜克大学生物医学工程助理教授Roarke Horstmeyer说：标准显微镜用来自四面八方相同数量的光照射样本，数百年来，照明一直为人眼优化。

但是计算机可以看到人类看不到的东西，因此不仅重新设计了硬件，提供了多种照明选择，还允许显微镜为自己优化照明。工程师们没有从下方扩散白光来均匀地照亮幻灯片，而是开发了一种碗状光源，整个表面都嵌入了LED。这使得样品可以用不同的颜色从不同角度照明到近90度，这实际上根据使用的LED图案投射了样品阴影和高亮显示不同的特征。然后，研究人员向显微镜放入数百个疟疾感染的红细胞样本，这些样本作为薄涂片制备。

其中细胞体保持完整，理想情况下在显微镜载玻片上展开为单层，使用一种称为卷积神经网络的机器学习算法，显微镜学习样本的哪些特征对于诊断疟疾最重要，以及如何最好地突出这些特征。该算法最终落在来自相对较高角度不同颜色的环形LED图案上，虽然产生的图像比普通显微镜图像更嘈杂，但它们在亮点中突出疟疾寄生虫，并且在大约90%的时间内被正确分类。受过训练的医生和其他机器学习算法通常以大约75%的准确率执行。

它挑选的图案是环形的，具有不同颜色，这些颜色不均匀，不一定很明显。尽管这些图像比临床医生创建的图像更暗、更吵，但算法说它会忍受噪音，它真的只是想让寄生虫高亮显示，以帮助它做出诊断。然后将LED图案和分类算法发送到另一位合作者的实验室，以查看结果是否可翻译到不同的显微镜设置，另一个实验室也显示出类似的成功。医生必须检查一千个细胞才能找到一种疟疾寄生虫，而且因为他们必须放大到如此近的距离，一次只能看十几个，所以大约需要10分钟。

如果只需要看显微镜在几秒钟内就已经挑选出来的少数细胞，这将大大加快这个过程。显微镜适用于厚厚的血液涂片准备，其中红细胞形成高度不均匀的背景，可能会被分解。对于这个准备，机器学习算法99%的时间是成功的。准确度提高是可望的，因为测试的厚涂片比薄涂片染色更重，显示出更高的对比度。但也需要更长的准备时间，而且该项目是在资源匮乏的环境中减少诊断时间，在那里，训练有素的医生很稀少，瓶颈是常态。有了这个初步的成功，研究人员正在继续开发显微镜和机器学习算法