在线众包——为公众免费提供的一项免费任务，并要求其回复不同的解决方法和建议——已经用于评价潜在的消费者产品，开发软件程序和解决棘手的研究—研发的挑战。但是，能用它来诊断传染病吗？
为了实现经病理学家培训后的广大非专家公众能准确识别传染病的这一设想，来自UCLA的Henry Samueli工程与应用科学院和David Geffen医学院的研究人员已经建立起一个在线众包的游戏系统，此系统要求选手通过观察电子显微镜照片将疟疾感染的红细胞从健康细胞中区分出来。
UCLA团队发现，一小部分非专家人员（大部分是在校大学志愿者）可以准确诊断出一部分疟疾感染的红细胞，不过其确诊率不到经专业培训的医学专家的1.25%
全世界任何人，包括儿童，都可以通过手机和个人电脑进入这个游戏。
“我的想法是，如果将这些非专家们的决策认真加以组合，他们也会变得很有竞争力，”工程和生物工程学副教授，也是众包研究团队的通信作者，Aydogan Ozcan说，“还有，如果仅仅看某一个人的反馈结果，毫无疑问，这个人肯定不可避免的会出些差错。但如果你将10到20个人，或50个非专业玩家联合起来，通过分析，你将大大提高自己分析的准确性。”
UCLA的研究人员说，“众包”可以从根本上帮助突破疟疾诊断上一些限制因素，该疾病每年在全世界范围内感染21万人，并且占撒哈拉沙漠以南非洲儿童死因的20%，40%的非洲住院患者身患此病。
目前诊断疟疾的金标准包括专业病理学家用普通光学显微镜观察细胞形态，并计数致病疟原虫。这一过程很费时，同时对于那些资源贫乏的国家的多数病例，巨大的病例数量本身就是一个巨大的挑战。除此之外，在撒哈拉沙漠以南的非洲，很大一部分病例其实都是假阳性，并导致了不必要且数目不小的治疗和住院花费。
通过UCLA的众包游戏，训练成百或上千的公众成员能识别疟疾，其中很大一部分诊断会变得非常快，还没有成本，并且有很高的选择性确诊率
一位Ozcan研究小组的博士后学者，也是本研究的首席完成人，SamMavandadi说，“这一想法是，从公众中选出对显微镜照片更优秀的病理分析，同时也能将其应用到其他远程医学中出现的问题。”
Ozcan和Mavandadi强调说，可以用同样的平台将受培训最少的保健工作人员的结论结合起来，以大幅提高确诊率，这将在远程医学的其他领域、特别是远程病理学中有广阔前景。
这项名为“通过众包游戏传播、分析和诊断医学照片”的UCLA的新研究已经被PLoS ONE杂志接受发表。更多信息可登陆http://biogames.ee.ucla.edu.
除了开发出众包游戏平台让选手参与识别疟疾细胞的光镜照片，Ozcan研究小组还研发出一个可以利用计算机图像识别相同照片的自动程序，和一个能结合人类和机器资源并提高疟疾远程诊断的效率和准确性的新型混合平台。
“最令人兴奋的是，这是视觉诊断学领域的一个全新的方法，并会真正挑战目前为止的诊断学法则。”Geffen医学院一位儿科传染病教授，Karin Nielsen说，“这一诊断法是开放的，也正是基于这一目的，该研究将这一全新理念带入了诊断学。这一新方法的应用潜力是无限的。”
如何操作该游戏：
在开始游戏之前，每位选手会在线得到一份简短的指南，并用样本照片告之疟疾感染的红细胞长什么样。在完成简短的训练阶段，选手们就进入实际操作。此时，他们会面对多个红细胞照片框，并用“注射器”工具一个个“杀死”感染细胞，再用“全选”工具将框内的剩余细胞标为“健康”。
每个框内的细胞数目都是一定的，且其状态（感染或没有）只有游戏知道，而不会让选手知道。随着选手们进行到每个框，这里的细胞对照照片让Ozcan小组能实时评估他们的成绩，并帮研究小组对其通过的每个框打分。
“我相信，和其他非常新型的想法一样，最大的一个挑战肯定是来自传统显微镜学家、病理学家和临床实验人员的怀疑，更别说那些疟疾病专家了，他们会开始用怀疑的看光看待疟疾诊断学中的这个游戏式的方法，”另一位该研究的完成人，Nielsen说，“这是一项非常有**意义的提议，会在该领域引出一些新的临床研究，以记录此平台的功效，并最终获得传统显微镜学家和其他感染病同行的信任。”
Ozcan说，“通过众包游戏平台，不断增加精确自动的疟疾远程诊断会使发展中国家发生显著的变化。”
Mavandadi 补充到，“这样会减少目前抗疟药物的过度使用和错误使用，通过排除疟疾、提高非疟疾性发热的诊治水平，并充分利用现有资金，降低不需要治疗的患者使用抗疟药物的长期副作用的风险。”
Ozcan小组希望通过临床试验将这一平台投入使用，进而有助于验证其有效性、并促进该技术在世界范围内的应用。
研究人员说，除此之外，相同的众包和基于该游戏的微观分析，以及医学诊断平台会在各种各样的其他生物医学和环境学领域加快应用，这其中的显微镜照片都需经由专家检查。