Leishmaniose ist eine durch den Leishmania-Parasiten ausgelöste Erkrankung, deren Diagnose für unerfahrenes medizinisches Personal schwierig ist. In dieser Arbeit geht es um die Entwicklung eines KI-gestützten Systems, das den Parasitennachweis auf Mikroskopbildern automatisiert. Grundlage ist ein Deep-Learning-Ansatz mit Aufnahmen von Gewebeproben, erstellt mit einem Labor- und einem günstigen mobilen Mikroskop. Mithilfe der Bilder wurde ein Objektdetektions-Modell trainiert, das speziell darauf ausgerichtet wurde, Parasiten in unterschiedlichen Bildqualitäten zu identifizieren. Eine dafür entwickelte Benutzeroberfläche ermöglicht die direkte Anwendung des Modells auf Mikroskopbilder in Echtzeit. Außerdem ist die Analyse gespeicherter Bilder und Videos möglich.

Dieser Ansatz zeigte nach dem Finetuning mit einem kombinierten Datensatz eine deutlich gesteigerte Leistung auf zuvor unbekannte Testdaten. Das System kann Parasiten zuverlässig erkennen und gleichzeitig robuste Ergebnisse in variierenden Umgebungen liefern.

Durch den Einsatz eines solches Deep-Learning Modells kann medizinisches Personal erheblich entlastet werden. Da die Bewertung mikroskopischer Aufnahmen zugänglicher gemacht wird, indem der Anwender unterstützt wird und auch ohne spezialisierte Erfahrung die Parasiten finden kann. Der Einsatz des günstigen Mikroskop-Setups bietet zudem eine praktikable Lösung für Regionen mit begrenzten Ressourcen.