|
ИИ может обнаружить устойчивость к антибиотикам за 30 минут
|
|
|
|
В ознаменование Всемирной недели осведомленности о противомикробных препаратах исследователи, поддерживаемые Программой Оксфорда Мартина по тестированию устойчивости к противомикробным препаратам в Оксфордском университете, сообщили о достижениях в области нового и быстрого теста на чувствительность к противомикробным препаратам, который может дать результаты всего за 30 минут, что значительно быстрее, чем нынешнее золото. - стандартные подходы. Исследование «Глубокое обучение и фенотипирование отдельных клеток для быстрого выявления чувствительности к противомикробным препаратам у Escherichia coli» было опубликовано в журнале Communications Biology. В своем исследовании команда использовала комбинацию флуоресцентной микроскопии и искусственного интеллекта (ИИ) для выявления устойчивости к противомикробным препаратам (УПП). Этот метод основан на обучении моделей глубокого обучения для анализа изображений бактериальных клеток и обнаружения структурных изменений, которые могут произойти в клетках при лечении их антибиотиками. Было показано, что метод эффективен для нескольких антибиотиков, обеспечивая точность не менее 80% в расчете на одну клетку.
|
|
|
|
Исследователи говорят, что их модель может быть использована для определения того, будут ли клетки в клинических образцах устойчивы к широкому спектру антибиотиков в будущем. Соавтор статьи Ахиллефс Капанидис, профессор биологической физики и директор Оксфордской программы Мартина по тестированию устойчивости к противомикробным препаратам, сказал: «Антибиотики, которые останавливают рост бактериальных клеток, также меняют то, как клетки выглядят под микроскопом, и влияют на клеточные структуры, такие как как бактериальная хромосома. Наш подход, основанный на искусственном интеллекте, надежно и быстро обнаруживает такие изменения. Точно так же, если клетка устойчива, выбранные нами изменения отсутствуют, и это формирует основу для обнаружения устойчивости к антибиотикам». Исследователи протестировали свой метод на ряде клинических изолятов кишечной палочки, каждый из которых имел разный уровень устойчивости к антибиотику ципрофлоксацину. Модели глубокого обучения смогли надежно обнаружить устойчивость к антибиотикам и как минимум в 10 раз быстрее, чем признанные современные клинические методы, считающиеся золотым стандартом.
|
|
|
Команда надеется продолжить разработку своего метода, чтобы он стал более быстрым и масштабируемым для клинического использования, а также адаптировать его использование для различных типов бактерий и антибиотиков. По данным проекта «Глобальные исследования устойчивости к противомикробным препаратам» (GRAM) — партнерства с участием университета — почти 1,3 миллиона человек умерли в 2019 году из-за УПП. Современные методы тестирования основаны на выращивании бактериальных колоний в присутствии антибиотиков. Однако такие тесты выполняются медленно и часто требуют нескольких дней, чтобы понять, насколько устойчивы бактерии к ряду антибиотиков. Это может быть проблематично, когда у пациентов есть потенциально опасные для жизни инфекции, такие как сепсис, требующие срочного лечения. Обычно это вынуждает врачей назначать либо конкретные антибиотики, основанные на их клиническом опыте, либо коктейль из антибиотиков, которые, как известно, эффективны при множественных бактериальных инфекциях.
|
|
|
|
Однако если назначают неэффективные антибиотики, инфекции пациентов могут ухудшиться, и их придется лечить большим количеством антибиотиков. Одним из потенциальных результатов этого является рост УПП к антибиотикам в обществе. Исследователи говорят, что в случае дальнейшего развития быстрый характер их метода может облегчить целенаправленное лечение антибиотиками, помогая сократить время лечения, минимизировать побочные эффекты и, в конечном итоге, замедлить рост заболеваемости УПП. Соавтор статьи Александр Загаевский, аспирант кафедры физики университета, сказал: «Время нашего арсенала антибиотиков начинает заканчиваться; мы надеемся, что наша новая диагностика проложит путь к новому поколению прецизионных методов лечения заболеваний. самые больные пациенты».
|
|
|
|
Источник
|
