两名来自南非自由州中央理工大学（CUT）的医学微生物学学生最近在英国肯特大学展示了他们关于使用人工智能识别病原体的研究论文。
作为诊断实践的一部分，他们在大型语言模型中输入了患者的显微镜检查、培养和敏感性数据，并补充了生化测试结果。然后，他们对AI生成的反馈进行了批判性评估。
在CUT医学微生物学讲师Parks Makhoahle教授的指导下，三年级学生Nthabiseng Tshandu和二年级学生Chanelle Mcleod展示了他们的论文。
他们的任务重点是识别在血琼脂上表现出β溶血和弱α特征的细菌病原体，不同学术水平的学生观察到具有特定革兰氏形态结构的长链和双球菌/短链。
Tshandu表示：“将AI融入学习和教学有潜力增强学生的参与度、更清晰的理解和更好的结果，尽管它也有自己的挑战。”她进一步指出，“积极的一面是，AI可以帮助学生以一种引人入胜的方式探索复杂概念，可以根据个人需求和学习风格定制学习体验，并提供一对一的支持，提供实时反馈和指导。”
然而，她也警告说，AI并不总是准确可靠的，偏见的数据可能导致错误的决策。
该工具为Tshandu提供了额外的信息，通过建议进一步的分子或生化测试来确认病原体的身份，因为它的初步识别是试探性的。“如果我没有使用AI，我可能不会知道金黄色葡萄球菌与粪肠球菌的一些相似之处。这帮助我在区分因素和相同因素方面更有信心。我还必须去其他来源比较我的结果，从而学到更多。”她说。
此外，Mcleod表示，AI可以增强学习和解释能力，提供研究、分析和解释的工具。“它帮助我进行研究，包括数据分析、我实际课上观察到的微生物和抗生素抑菌圈大小的解释。它还提供了深入理解这些特定微生物的见解，清楚地解释了我的结果和发现。”
此外，AI帮助她通过更多的插图确认她的发现，加深了她的理解，详细阐述了她的解释和解释。“它增强了我分析微生物数据的能力，为每条信息提供了清晰的解释。它还在简化微生物过程方面发挥了关键作用。AI工具还澄清了实验室技术，如革兰氏染色、细菌涂片制备和热固定。此外，它提供了生化测试、抗生素敏感性测试和抗生素解释的见解，使我能够评估抗生素对细菌的有效性。”她补充道。
Makhoahle教授表示：“我们的学生展示了将AI整合到医学微生物学诊断中的应用，强调了其优势，同时提醒与会者在最终临床决策中信息验证和人工监督的重要性。”
(全文结束)
