7月16日发表在《科学报告》的一项新研究显示，一种结合深度学习与机器学习的多模型人工智能（AI）框架，在疟疾诊断中实现了96.47%的准确率，为全球疟疾防控提供了高效诊断工具。这项由沙特阿拉伯焦夫大学、埃及开罗大学等机构联合完成的研究，推动了AI在热带疾病诊断领域的应用。

疟疾作为热带及亚热带地区的重大健康威胁，2022年全球报告病例达2.49亿，其中非洲病例占比90%。传统显微镜检查依赖专家经验，耗时且易出错，在资源匮乏地区也难以普及。

此次开发的多模型AI框架创新性地整合了3种深度学习模型进行特征提取。团队在包含27558张血液涂片图像的公开数据集上验证了该框架的优异性能：灵敏度达96.03%，特异性达96.90%，精准度达96.88%，均优于单一模型。多数投票机制通过综合多种模型的判断，有效降低了误判风险，其表现超越现有的AI诊断方法。

该成果为疟疾快速诊断提供了可靠方案，且该技术无需特殊设备即可部署，尤其适合医疗资源有限的地区。下一步，团队将扩大数据集验证，探索在白血病等其他血液疾病诊断中的应用。