北卡罗来纳大学教堂山分校的科学家们创造了一种基于机器学习的粒子跟踪新方法，该方法比目前使用的技术更精确，提供更好的自动化。

单粒子跟踪涉及跟踪流体和生物样本中的单个粒子(例如病毒，细胞和载药纳米粒子)的运动。该技术广泛用于物理和生命科学。北卡罗来纳大学教堂山分校的团队开发了使用粒子跟踪开发治疗和预防传染病的新方法。他们研究了抗体和生物聚合物之间的分子相互作用，并描述和设计了纳米级药物载体。他们的工作发表在“国民科学院院刊”上。

“为了从视频中获取意义，你必须将视频转换为定量数据，”UNL Eshelman药学院副教授，新跟踪器的创造者之一Sam Lai博士说。 “使用当前的软件，研究人员必须仔细监督视频转换以确保准确性。这通常需要数周到数月，并且极大地限制了吞吐量和准确性。”

问题的根源可以追溯到当前软件用于识别任何视频中存在的全部粒子的少量参数，例如粒度，亮度和形状。事情被错过，因为它们不太符合参数，参数因不同的操作员设置而异，这对数据再现性带来了巨大的挑战，因为分析同一视频的两个用户经常获得不同的结果。Lai博士实验室的学生Alison Schaefer博士说。

“自动驾驶汽车的工作原理是因为他们可以实时看到和跟踪周围的许多不同物体，”该项目的共同资深作者，M. Gregory Forest博士说。

“我们想知道我们是否可以创建一种可以同时跟踪数千个纳米级粒子的人工智能版本并自动完成。”

事实证明，他们可以并利用他们的发现推出基于Chapel Hill的人工智能跟踪解决方案，该公司正在寻求将新技术商业化。该公司已获得美国国立卫生研究院颁发的小企业技术转让奖，以使该技术商业化。

研究人员还表示“跟踪纳米级粒子的运动对于了解病原体如何破坏粘膜屏障以及设计新的药物疗法至关重要，我们的进步首先提供了显着改善的自动化。此外，与现有方法和用户及实验室的可重复性相比，我们的方法大大提高了准确性。”