มาลาเรียนั้นเป็นโรคที่คร่าชีวิตผู้คนไปกว่า 730,000 รายทั่วโลกในปี 2014 และแม้แต่ในปัจจุบัน ขั้นตอนการวินิจฉัยก็เป็นไปได้อย่างเชื่องช้าและไม่มีประสิทธิภาพเท่าที่ควร นักวิทยาศาสตร์ข้อมูล Carlos Atico Ariza จึงได้ลองพัฒนาระบบ machine learning ขึ้นเพื่อช่วยในการตรวจหาเชื้อมาลาเรียในตัวอย่างเลือดที่เชื่อว่าจะประหยัดเวลาในการวินิจฉัยไปได้ถึง 85%
มาลาเรียเป็นโรคที่มีสาเหตุมาจากการติดเชื้อปรสิตโปรโตซัวที่มีพาหะเป็นยุงก้นปล่อง หนึ่งในวิธีวินิจฉัยการติดเชื้อมาลาเรียที่รู้จักกันดีคือการนำตัวอย่างเลือดของผู้ป่วยไปตรวจหาเชื้อปรสิต ซึ่งในการตรวจนี้ ผู้ตรวจจะต้องทำการขยายภาพตัวอย่างเลือด 100 เท่าผ่านกล้องจุลทรรศน์และนับว่าในจำนวนเม็ดเลือดแดง 5,000 เซลล์นั้น มีปรสิตอยู่ในเซลล์เท่าไร (ตามมาตรฐานการตรวจขององค์กรอนามัยโลก) ซึ่งหากลองจินตนาการก็พอจะเดาได้ว่าการตรวจสอบเซลล์จำนวน 5,000 เซลล์ด้วยความระมัดระวังนั้นเป็นงานที่กินเวลาเพียงใด
Ariza จึงเกิดไอเดียนำเทคนิคการวิเคราะห์ภาพถ่ายเข้ามาช่วยทำงานดังกล่าว เขาสร้าง Malaria Hero ระบบตรวจสอบภาพที่ใช้เทคนิค convolutional neural network (CNN) ขึ้นจากชุดข้อมูลภาพเซลล์ 27,558 ภาพ จากผู้ป่วย 200 ราย (แบ่งเป็นภาพเซลล์ที่ติดเชื้อและไม่ติดเชื้อเท่าๆกัน) โดยทำการแยกองค์ประกอบของภาพออกเป็น 2,048 features เพื่อใช้ในการจำแนกว่าเป็นเซลล์ติดเชื้อหรือไม่
Ariza วัดผลโมเดลที่เขาพัฒนาขึ้นด้วยคะแนน F2 ที่ให้ความสำคัญกับการลดผลลัพธ์ที่เป็น false negative เป็น 2 เท่าของผลลัพธ์ false positive เพราะการเกิด false negative (เซลล์ติดเชื้อ แต่วินิจฉัยได้ว่าไม่ติดเชื้อ) อาจหมายถึงความเสี่ยงต่อชีวิตของผู้ป่วย ในขณะที่ผลลัพธ์ false positive (เซลล์ไม่ติดเชื้อ แต่วินิจฉัยว่าติด) จะทำให้แพทย์เสียเวลา
Malaria Hero จะช่วยให้เจ้าหน้าที่คลินิกสามารถวิเคราะห์ภาพตัวอย่างเลือดได้ในเวลาไม่ถึง 10 นาที จากเดิมที่อาจต้องใช้เวลาถึง 50 นาทีในการนับจำนวนเซลล์ที่ติดเชื้อ Ariza เชื่อว่าระบบดังกล่าวจะช่วยลดเวลาในการวินิจฉัยได้ราว 85% ซึ่งนั่นหมายความว่าเจ้าหน้าที่คลินิกอาจสามารถวินิจฉัยโรคได้เพิ่มราว 1,400 รายต่อเดือน
ปัจจุบัน Malaria Hero นั้นเปิดให้ผู้ที่สนใจลองดาวน์โหลดกันไปติดตั้งเป็น web application เพื่อใช้งาน โดยเมื่ออัพโหลดภาพถ่ายตัวอย่างเลือด ระบบจะวิเคราะห์ออกมาให้ว่าในรูปนั้นมีเซลล์ที่ติดเชื้อเท่าไหร่อย่างไร