في سياق التحديات الكبيرة التي تواجه تشخيص الملاريا بواسطة المجهر، تمثل تقنية مالاري أي (MalariAI) نقلة نوعية في كيفية التعامل مع هذه المشكلة الصحية العالمية. يعتمد هذا الإطار الثوري على معالجة صور دم الملاريا بكفاءة، حيث تم تصميمه لتجاوز العقبات التي تعيق استخدام أنظمة التعلم العميق الحالية في الممارسات السريرية.

تواجه الأنظمة الحالية ثلاثة أنماط فشل رئيسية. أولاً، تميل أجهزة الكشف المتكاملة إلى اعتبار الخلايا غير المعنونة كخلفية أثناء التدريب، مما يؤثر على دقة الاسترجاع بناءً على اكتمال التعليقات بدلاً من استعادة الخلايا الحقيقية. وثانيًا، تؤدي عملية الحجب العشوائي إلى تقليل كشف الخلايا-valid في المناطق الكثيفة حيث تكون أعداد العدوى في غاية الأهمية. وأخيرًا، تفتقر خطوط اكتشاف الشرائح الكاملة إلى أدلة مكانية خاصة بالخلايا، مما يحرم الأطباء من إمكانية التدقيق السريري.

إطار مالاري أي يعالج هذه المشكلات في مسار موحد. في المرحلة الأولى، يطبق خوارزمية مطورة تسهل عزل كل خلية في صورة دم كاملة بحجم 1600x1200 بكسل، حيث تم استعادة 75.95% من الخلايا الحقيقية فقط من خلال موقعها. أما في المرحلة الثانية، يتم تحسين نموذج EfficientNet-B0 باستخدام خسارة مركزة لتحقيق دقة تصنيف تبلغ 98.36%، مع دقة فردية على مراحل نادرة مثل الشيزنت والجاميتوسايت.

تساعد خرائط Grad-CAM++ المولدة لكل خلية تم اكتشافها في توفير أدلة مكانية على مستوى الحالات، مما يمنح الأطباء القدرة على التحقق من توقعات النماذج على مستوى الطفيل الفردي دون التضحية بأداء التصنيف. إن هذه الابتكارات تفتح آفاق جديدة للإجراءات السريرية في ظروف نقص الموارد، مما يعزز كيفية التعامل مع الملاريا في جميع أنحاء العالم.