深夜的微生物實驗室，日光燈管投下冷白的光，每個檢驗師都目不轉睛地盯著顯微鏡載物臺上的玻片。數小時的持續聚焦，神經始終緊繃，生怕錯過油鏡下任何一個病原體的蛛絲馬跡——這便是醫學實驗室中革蘭氏染色檢測的日常。
這項微生物學中最基本、應用最廣泛的技術之一，可回溯到1884年。當時，丹麥學者革蘭（C.Gram）根據細菌細胞壁的構造和化學成分，通過染色后脫色能力的差異，將細菌分為革蘭氏陽性菌與革蘭氏陰性菌，創立了革蘭氏染色法。
革蘭氏染色法是識別細菌感染和指導抗生素治療的關鍵手段，但目前也面臨著效率與精準度的雙重挑戰。傳統人工鏡檢結果易受主觀經驗影響，全片全視野檢查耗時費力，經驗豐富的檢驗師完成一張涂片鏡檢平均需要大約15分鐘。一方面，培養一個高水平的醫生通常需要十數年，臨床醫生的培養速度遠遠跟不上臨床樣本的增量；另一方面，在樣本量大或急需快速獲取結果（如急診、危重癥患者）的情況下，這樣的檢測時長往往難以滿足臨床對即時性的高要求。
為了保障實驗室檢測質量，提升檢測效率，迪安診斷依托20多年積累的海量高質量數據，自主研發了革蘭氏染色涂片智能識別系統，通過AI快速精準識別，再由人工復核，將每張涂片的平均處理時間縮短至大約1分鐘，以更好地滿足臨床診療需求。
智能識別系統助力革蘭氏染色檢測
該系統基于公司自研的多模態生物數據基礎模型“啟迪索微”中的細胞病理基礎模型建設，具有強大的圖像識別與特征提取能力，結合醫療圖像長尾問題處理技巧及革蘭氏染色涂片細胞微生物特征深度優化，可精準高效完成：
精準宿主細胞計數：
自動識別統計白細胞、鱗狀上皮細胞、纖毛柱狀上皮細胞、紅細胞等多種常見細胞，為感染部位及炎癥程度提供依據。
細菌分類與量級估計：
自動區分革蘭氏陽性球菌/鏈球菌/桿菌，革蘭氏陰性球菌/桿菌，半定量評估數量。
真菌檢測與識別：
自動識別念珠菌孢子、念珠菌菌絲、曲霉菌絲、隱球菌等真菌并計數提示，輔助真菌感染篩查。
自動知識庫收集：
自動收集采圖樣本，并記錄對應的樣本結果、圖像結果，自動歸檔至數據庫。
革蘭氏染色涂片智能識別系統界面
目前，該系統已應用于迪安診斷總部宏基因組實驗室和微生物實驗室，經過算法適配后，可在國產GPU算力平臺上穩定運行。檢驗師只需對革蘭氏染色涂片進行數字化掃描并同步至系統，系統就能對圖像進行自動快速識別并給出初步識別結果，檢驗師再對AI判讀結果進行最終復核與確認。這種人機協同模式，確保系統完成對實驗室每日全量樣本的穩定處理，截至目前已累計處理圖像超百萬張。
經大規模實驗室樣本驗證，該系統的算法識別準確率達到臨床診斷需求，其中對白細胞、纖毛柱狀細胞、巨噬細胞等細胞的識別準確率超95%，對革蘭氏陽性球菌、陰性桿菌等病原體的識別準確率超92%，有效提升了實驗室檢測的精準度與效率，減輕了實驗室檢測人員的工作負荷。
為了加快革蘭氏染色涂片智能識別系統的數據標注速度，迪安診斷還自主研發了智能標注系統。該標注系統，借助人工智能算法加速了圖像標注的效率和質量，可以對革蘭氏染色圖像中的細胞和病原體等進行像素顆粒度的精細標注，相應產品已經獲得軟件著作權授權并已上架杭州市數據交易所。
未來，迪安診斷將持續深化AI與大數據在實驗室場景中的應用，通過智能化升級檢測流程、賦能精準診斷決策、提升資源配置效率，打造真正具備自感知、自決策、自執行能力的智慧化實驗室。
