Biofilm：机器学习辅助判断葡萄球菌生物膜到底长到了什么阶段

过去大家常常拿培养了几小时或几天来大概判断葡萄球菌生物膜成熟不成熟，但这并不总是准。作者这次等于先制定了一套看图说话的标准，再训练一台机器，让它学会根据 AFM 图像里基底、细菌和基质的样子，自动判断这个生物膜大概长到了哪一步。

这篇文章研究的是生物膜研究里一个很基础、但过去一直没有真正统一好的问题，也就是怎样判断一个生物膜到底成熟到了什么程度。现在很多体外生物膜模型都会用培养时间来代替成熟度，比如培养 24 小时叫早期，培养 7 天叫晚期。但作者指出，这种做法并不总是可靠，因为即使培养时间相同，不同菌株、培养基、材料表面和实验条件下形成的生物膜，复杂程度也可能差很多。尤其是用原子力显微镜去看葡萄球菌生物膜时，可以非常清楚地看到表面是否还露着基底、细菌覆盖得多不多、胞外基质有没有出现、基质是不是已经把细胞埋住了。这些差异说明，单靠时间并不能稳定描述成熟度。作者真正想解决的，就是建立一种不依赖培养时间、而是直接根据图像特征来判断生物膜成熟度的方法。这项研究想把生物膜研究里一个常常比较模糊的概念变得更标准化。因为如果不同实验室都只是说自己研究的是早期或成熟生物膜，但背后没有一套统一、可见、可重复的判定规则，那么实验结果就很难比较，也很难真正互相对照。作者认为，真正更合理的做法，是把成熟度建立在图像里能直接看到的共性特征上，也就是基底材料、细菌覆盖程度和胞外基质这三类信息。这样一来，描述就不再只是说培养了几小时，而是能更客观地说，这个生物膜目前是刚开始铺细胞，还是已经形成微菌落，还是已经被基质大面积包裹。更进一步，作者还想把这件事自动化，因为人工逐张看 AFM 图像很费时间，而且不同观察者之间会有偏差。

在方法上，这篇文章先做了一套体外植入物相关生物膜模型。作者使用了两种医用钛合金圆片作为材料表面，接种的是 金黄色葡萄球菌 LUH14616，分别培养出 24 小时 和 7 天 的生物膜。样本经过固定和干燥后，再用 原子力显微镜 AFM 拍摄 5 μm × 5 μm 的高分辨率图像。AFM 之所以适合这项工作，是因为它能把表面高度和结构细节看得很清楚，特别适合区分基底有没有暴露、细菌是不是铺满、胞外基质有没有形成。作者随后人工筛查这些图像，总结出了三类最稳定、最常见的特征，也就是 可见的植入材料基底、细菌细胞覆盖、胞外基质 ECM 的存在。为了把这些特征量化，他们把每张图分成 10 × 10 的 100 个小格，逐格判断是否出现这些特征，再按比例计算覆盖程度。

在这套人工评分基础上，作者提出了一个 6 类成熟度框架。Class 0 是完全只有基底，没有细菌也没有基质。Class 1 是基底还占一半到全部，只有少量细菌，且没有基质。Class 2 是基底只剩很少甚至没有，细菌覆盖已经达到一半以上，但仍然没有基质。Class 3 是基底已经看不见，细菌很多，同时出现了少量到中等比例的基质。Class 4 是基底仍然看不见，但细菌可见部分反而变少，因为大部分区域已经被较多基质覆盖。Class 5 则是几乎完全被胞外基质占满，细菌本身已经不容易辨认。用最通俗的话说，这六类就是从干净表面，到少量细菌附着，到细胞铺满，再到基质逐渐长出来，最后发展成基质主导的成熟生物膜。文章第 3 页的 Table 1 和 Fig. 2 就是在把这套分级具体化。

为了看看这套分级是不是别人也能理解，作者先没有急着上机器，而是做了一个人类观察者测试。他们拿出 15 张 已经分级好的测试图，让 7 位没有 AFM 生物膜图像经验的独立研究者 去判断。结果显示，人类观察者的平均准确率大约是 0.77 ± 0.18，如果允许和标准答案差一个等级，也就是所谓的 off-by-one，那么准确率会提高到 0.90 ± 0.15。这个结果说明两件事。一件是，这套分级并不是作者自己关起门来才看得懂，外部观察者也能大致识别。另一件是，即使有规则，人和人之间还是存在明显波动，所以自动化工具确实有必要。

在真正建立机器学习模型时，作者使用的是 138 张原始 AFM 图像。因为不同类别的图像数量不均衡，所以他们用了类别加权，还做了比较充分的数据增强，包括 旋转、亮度调整、图像切分重组 等方法，最终把训练用图像扩展到 2700 张，测试集则通过旋转增强后形成 120 张，并在各类之间保持均衡。模型架构方面，作者比较了 ResNet、EfficientNet、VGG 和 Xception，最后选了 Xception 作为特征提取骨干，并采用 迁移学习，也就是先利用在 ImageNet 上学到的基础视觉特征，再接到自己这个小数据集上做六分类。输入图像会先缩放到 128 × 128 像素，模型训练 20 个 epoch，学习率是 5e-5，损失函数用的是交叉熵。作者还同时设计了几个“压缩版分级方案”，把相邻类别合并，看看如果任务变简单，准确率会不会更高。

主要结果之一是，这个算法在标准 6 类分类下，平均准确率达到了 0.66 ± 0.06，F1 分数大约 0.65 ± 0.06，而 off-by-one 准确率达到了 0.92 ± 0.04。这说明模型虽然还做不到每次都完全猜对，但大部分错误都只错了一档，而不是完全判断错方向。作者还发现，如果把分级压缩，比如把 1 和 2 合并、4 和 5 合并，任务难度下降后，准确率可以提升到 0.83 ± 0.06。这说明模型已经能比较稳定地识别生物膜处于“更早”还是“更晚”的成熟阶段，只是在细分相邻阶段时还存在一定混淆。第 5 页的 Table 4 很直观地展示了这一点。

作者还专门分析了模型错在哪里。大部分预测都落在对角线或对角线附近，也就是说，要么正确，要么只差一级。真正比较容易混淆的是低等级和某些偏高等级之间，尤其是 class 0 和 class 1 有时会被误判成 class 4。作者认为，这说明某些图像在视觉上确实存在重叠特征，比如表面纹理和基质样结构之间可能会让模型困惑。这种困惑并不只是机器才有，因为人工观察者在相同图像上也会出现类似偏差。也正因为如此，作者认为这个问题的根源不只是算法不够好，还有一部分来自图像本身边界就不是完全清晰。

为了测试模型是不是只能识别自己实验室、自己菌株拍出来的图，作者又做了外部验证。他们和葡萄牙里斯本的一个实验室合作，拿到用相同 AFM 成像流程但不同培养条件获得的 S. aureus LUH14616 图像，结果标准模型准确率是 0.56 ± 0.04，但 off-by-one 仍然有 0.92 ± 0.03。然后他们又拿另一株 S. aureus ATCC 6538 来试，标准准确率降到 0.47 ± 0.06，不过 off-by-one 甚至达到 0.97 ± 0.02。这说明模型面对同一物种不同菌株时，虽然精确落到某一类会变难，但大体成熟度方向还是能抓住。可是当作者进一步拿 表皮葡萄球菌 S. epidermidis LUH15408 去测时，模型表现明显变差，标准准确率只有 0.26 ± 0.03，off-by-one 也只有 0.59 ± 0.03。作者对此很坦率，他们认为当前模型主要还是学会了 S. aureus 的图像模式，直接跨到另一种葡萄球菌时还不够稳。这组结果其实非常有意思，因为它说明这篇文章最核心的成果，不是做出了一个已经普适到所有生物膜的万能 AI，而是提出了一个有清晰框架、能在特定场景中工作、并且确实比人工更稳定的 proof-of-concept。作者还特别比较了机器和人的表现。人的标准准确率是 0.77 ± 0.18，机器是 0.66 ± 0.06。表面看机器稍低，但它的波动明显更小，说明它更稳定、更一致，而且不会受主观经验和疲劳影响。再加上机器的 off-by-one 准确率和人相当，都在 0.9 左右，所以作者认为它已经具备了实际研究工具的价值。

文章还有一个很实际的成果，就是作者把这个模型做成了一个开放获取的桌面工具。这个工具可以直接输入单张图像，甚至整个文件夹，然后自动输出一个 Excel 表格，列出每张图对应的成熟度分类。作者还特别强调，这个工具在不同性能的台式机和笔记本上都测试过，使用门槛比较低。更重要的是，它的速度非常快，可以在几分钟内处理上百张图，而人工如果严格按 10×10 小格去逐张评分，一张图往往就要花几分钟。也就是说，它最大的现实优势并不是绝对精度已经远超人，而是速度快、重复性高、没有观察者偏差、也不受研究者先验知识影响。

作者对这项工作的局限性也说得很清楚。最根本的问题是原始图像还是太少，只有 138 张，而深度学习模型通常需要比这大得多的数据量。虽然他们通过增强把训练集扩到 2700 张，但增强图像并不能代替真实世界的新样本。另一个问题是类别分布不平衡，成熟阶段较高的图像，也就是 class 4 和 5，相对更多，而低级别图像偏少。再一个问题是模型主要建立在一株 S. aureus LUH14616 上，所以它对其他菌株和尤其是其他物种的泛化能力还有限。作者明确说，下一步最需要的是收集更多真实 AFM 图像，尤其是更多低成熟度类别图像，以及更多不同葡萄球菌菌株甚至其他生物膜形成菌的图像。只有这样，这个工具才能从 proof-of-concept 走向更稳的通用平台。

结论

作者提出了一套基于 AFM 图像特征的葡萄球菌生物膜成熟度分级方法，不再单纯依赖培养时间，而是依赖 基底是否可见、细菌覆盖程度、胞外基质是否出现及其覆盖范围。在此基础上，他们又开发了一个深度学习模型来自动完成分类。这个模型在六分类标准下准确率大约 66%，off-by-one 准确率超过 90%，整体表现和人工观察者相近，但更快、更稳定。作者因此认为，这项工作已经提供了一个有用的概念验证，证明生物膜成熟度可以被系统化描述，也可以被机器辅助判断。今后研究生物膜时，不能只靠时间去粗略定义成熟度，而要更多转向基于真实结构特征的表型分级。更进一步说，这项工作也说明，AI 在微生物研究中的价值不一定只是做炫目的大模型，它也可以非常实际地帮研究者把原本主观、费时、重复性差的图像判读变成更标准化的流程。未来如果把数据集继续扩大，把更多菌株、更多物种、更多处理条件纳入进去，这类工具不仅可以用来判断成熟度，还可能进一步用来追踪抗菌药处理后生物膜是变薄了、基质散了，还是只剩下某些顽固结构。那时候，它的用途就不只是辅助读图，而可能真正成为生物膜研究和感染材料研究中的标准分析组件。