食品和水樣中病原菌的早期檢測和鑒定對公眾健康至關重要。細菌感染在全世界造成數百萬人死亡，并帶來沉重的經濟負擔，僅在美國每年就要花費40多億美元。在致病菌中，大腸桿菌和其他大腸桿菌是最常見的，它們表明食物和水樣中存在糞便污染。檢測這些細菌的最傳統和最常用的方法是培養樣本，最終讀數通常需要超過24小時，需要專家目視檢查。盡管一些基于核酸擴增的方法可以將檢測時間縮短到幾個小時，但它們無法區分活細菌和死細菌，并且在低濃度細菌時靈敏度較低。這就是為什么美國環境保護局（EPA）不批準任何基于核酸的細菌傳感方法來篩選水樣。

在最近發表在美國化學學會（ACS）雜志ACS Photonics上的一篇文章中，由加州大學洛杉磯分校（UCLA）電氣和計算機工程系的Aydogan Ozcan教授領導的一組科學家及其同事開發了一種使用薄膜晶體管（TFT）陣列的人工智能智能智能細菌菌落檢測系統，這是一種廣泛應用于手機和其他顯示器的技術。

TFT陣列的超大成像面積（27毫米脳 26毫米），使該系統能夠快速捕獲細菌菌落的生長模式，而無需掃描，大大簡化了硬件和軟件設計。與EPA批準的基于金標準培養的方法相比，該系統節省了約12小時的時間。通過分析TFT陣列捕獲的微觀圖像隨時間的變化，基于人工智能的系統可以使用深度神經網絡快速自動檢測菌落生長。在檢測每個菌落后，使用第二個神經網絡對細菌種類進行分類。

通過對三種細菌進行早期檢測和分類，即大腸桿菌、檸檬酸桿菌和肺炎克雷伯菌，證明了該自動菌落檢測系統的有效性。研究人員在9小時內實現了>90%的菌落檢測率，并在9小時內進一步確定了它們的物種鈭?2小時，與EPA批準的培養方法相比，可節省約12小時的時間。此外，使用標準計算機，所有數字處理步驟所需時間均小于25秒，無需高級圖形處理單元（GPU）。

這些結果證明了這種基于人工智能的自動細菌菌落檢測系統的可行性，該系統使用TFT陣列作為一種快速、經濟、準確的技術，特別適用于資源有限的環境。由于在移動顯示器中廣泛使用的TFT陣列具有低成本、低熱產、大可擴展性和低功耗等特點，該自動菌落檢測平臺在微生物學研究和基于現場的細菌傳感方面具有巨大的潛力。