杜克大學工程師開發了一種顯微鏡，它可以調整其照明角度、顏色和圖案，同時自學完成給定診斷任務所需的最佳設置。在最初的概念驗證研究中，顯微鏡同時開發了照明模式和分類系統，使其能夠比訓練有素的醫生和其他機器學習方法更準確地快速識別受瘧疾寄生蟲感染的紅細胞。其研究結果發表在《生物醫學光學快報》期刊上。杜克大學生物醫學工程助理教授Roarke Horstmeyer說：標準顯微鏡用來自四面八方相同數量的光照射樣本，數百年來，照明一直為人眼優化。

但是計算機可以看到人類看不到的東西，因此不僅重新設計了硬件，提供了多種照明選擇，還允許顯微鏡為自己優化照明。工程師們沒有從下方擴散白光來均勻地照亮幻燈片，而是開發了一種碗狀光源，整個表面都嵌入了LED。這使得樣品可以用不同的顏色從不同角度照明到近90度，這實際上根據使用的LED圖案投射了樣品陰影和高亮顯示不同的特征。然后，研究人員向顯微鏡放入數百個瘧疾感染的紅細胞樣本，這些樣本作為薄涂片制備。

其中細胞體保持完整，理想情況下在顯微鏡載玻片上展開為單層，使用一種稱為卷積神經網絡的機器學習算法，顯微鏡學習樣本的哪些特征對于診斷瘧疾最重要，以及如何最好地突出這些特征。該算法最終落在來自相對較高角度不同顏色的環形LED圖案上，雖然產生的圖像比普通顯微鏡圖像更嘈雜，但它們在亮點中突出瘧疾寄生蟲，并且在大約90%的時間內被正確分類。受過訓練的醫生和其他機器學習算法通常以大約75%的準確率執行。

它挑選的圖案是環形的，具有不同顏色，這些顏色不均勻，不一定很明顯。盡管這些圖像比臨床醫生創建的圖像更暗、更吵，但算法說它會忍受噪音，它真的只是想讓寄生蟲高亮顯示，以幫助它做出診斷。然后將LED圖案和分類算法發送到另一位合作者的實驗室，以查看結果是否可翻譯到不同的顯微鏡設置，另一個實驗室也顯示出類似的成功。醫生必須檢查一千個細胞才能找到一種瘧疾寄生蟲，而且因為他們必須放大到如此近的距離，一次只能看十幾個，所以大約需要10分鐘。

如果只需要看顯微鏡在幾秒鐘內就已經挑選出來的少數細胞，這將大大加快這個過程。顯微鏡適用于厚厚的血液涂片準備，其中紅細胞形成高度不均勻的背景，可能會被分解。對于這個準備，機器學習算法99%的時間是成功的。準確度提高是可望的，因為測試的厚涂片比薄涂片染色更重，顯示出更高的對比度。但也需要更長的準備時間，而且該項目是在資源匱乏的環境中減少診斷時間，在那里，訓練有素的醫生很稀少，瓶頸是常態。有了這個初步的成功，研究人員正在繼續開發顯微鏡和機器學習算法