Forscher der Universität Cambridge haben KI für den Kampf gegen Antibiotikaresistenzen nutzbar gemacht.
Das Forscherteam unter der Leitung von Professor Stephen Baker hat ein maschinelles Lernprogramm entwickelt, das nur Mikroskopbilder verwendet, um zwischen Bakterien, die gegen Ciprofloxacin (ein gängiges Antibiotikum) resistent sind, und solchen, die dafür empfänglich sind, zu unterscheiden.
Dies könnte die Zeit, die für die Diagnose von Antibiotikaresistenzen benötigt wird, drastisch verkürzen und die Behandlung gefährlicher Infektionen wie Typhus möglicherweise verändern.
Die StudieDie in Nature Communications veröffentlichte Studie befasste sich mit Salmonella Typhimurium, einem Bakterium, das schwere Magen-Darm-Erkrankungen verursacht und zu lebensbedrohlichen invasiven Erkrankungen führen kann.
Dr. Tuan-Anh Tran, eine der wichtigsten Forscherinnen des Projekts, erläuterte den Ansatz in einem Blog-Beitrag: "Das Schöne an dem Modell des maschinellen Lernens ist, dass es resistente Bakterien anhand einiger subtiler Merkmale auf Mikroskopbildern identifizieren kann, die das menschliche Auge nicht erkennen kann."
Der Forschungsprozess umfasste mehrere wichtige Schritte:
- Vorbereitung der bakteriellen Proben: Das Team züchtete Proben von S. Typhimurium in flüssigen Nährmedien, von denen einige unterschiedlichen Konzentrationen von Ciprofloxacin ausgesetzt waren und andere nicht.
- Hochauflösende Bildgebung: Mit Hilfe eines hochentwickelten Mikroskops machten die Forscher detaillierte Aufnahmen der Bakterien zu verschiedenen Zeitpunkten.
- Bildanalyse: Eine spezielle Software extrahierte 65 verschiedene Merkmale aus jeder Bakterienzelle, darunter Form, Größe und Interaktion mit Fluoreszenzfarbstoffen.
- Entwicklung von Modellen für maschinelles Lernen: Die Forscher speisten diese Daten in verschiedene Algorithmen für maschinelles Lernen ein und trainierten sie darauf, Muster zu erkennen, die mit Antibiotikaresistenzen in Verbindung stehen.
- Auswahl der Merkmale: Das Team hat die wichtigsten Merkmale zur Unterscheidung zwischen resistenten und anfälligen Bakterien ermittelt.
Die Ergebnisse dieses Prozesses waren beeindruckend. Das KI-System identifizierte antibiotikaresistente Bakterien in etwa 87% der Fälle richtig.
Am wichtigsten ist vielleicht, dass die Forscher feststellten, dass resistente und anfällige Bakterien unterschiedliche visuelle Muster aufwiesen, die die KI erkennen konnte, selbst wenn sie nicht mit Antibiotika behandelt worden waren.
Dies deutet darauf hin, dass die Antibiotikaresistenz das Erscheinungsbild von Bakterien auf eine Weise verändert, die für den Menschen zu subtil ist, von der KI aber erkannt werden kann.
Derzeitige Methoden erfordern in der Regel eine mehrtägige Bakterienkultur und Tests mit verschiedenen antimikrobiellen Mitteln. Im Gegensatz dazu könnte die neue KI-basierte Methode möglicherweise innerhalb von Stunden Ergebnisse liefern.
Eine schnellere Diagnose ermöglicht es den Ärzten, die wirksamsten Antibiotika früher zu verschreiben, wodurch sich die Ergebnisse für die Patienten verbessern und die Verbreitung resistenter Bakterien verringert werden kann.
In Zukunft will das Forschungsteam seinen Ansatz auf komplexere klinische Proben wie Blut oder Urin ausweiten und sie auf andere Bakterienarten und Antibiotika testen. Außerdem arbeiten sie daran, die Technologie für Krankenhäuser und Kliniken auf der ganzen Welt besser zugänglich zu machen.
Wie Professor Baker erklärt: "Was wirklich wichtig wäre, vor allem für den klinischen Kontext, wäre die Möglichkeit, eine komplexe Probe zu nehmen - zum Beispiel Blut, Urin oder Sputum - und die Anfälligkeit und Resistenz direkt daraus zu bestimmen."
"Das ist ein viel komplizierteres Problem, das selbst in der klinischen Diagnostik in einem Krankenhaus noch nicht wirklich gelöst ist. Wenn wir einen Weg finden würden, dies zu tun, könnten wir die Zeit, die für die Identifizierung von Arzneimittelresistenzen benötigt wird, verkürzen, und das zu wesentlich geringeren Kosten. Das könnte wirklich transformativ sein."
Dr. Sushmita Sridhar fasste die Auswirkungen zusammen und erklärte: "Da bei diesem Ansatz die Bildgebung mit Einzelzellauflösung zum Einsatz kommt, ist es noch keine Lösung, die ohne weiteres überall eingesetzt werden kann. Aber es ist vielversprechend, dass wir durch die Erfassung einiger weniger Parameter über die Form und Struktur der Bakterien genügend Informationen erhalten, um relativ einfach eine Vorhersage über die Arzneimittelresistenz treffen zu können."
Da die Antibiotikaresistenz weiterhin eine zunehmende globale Gesundheitsbedrohung darstellt, bieten innovative Ansätze wie diese KI-gestützte Bildgebungstechnik neue Hoffnung.
Dies ist Teil eines breiteren Trends von KI-gesteuerten Innovationen in der Antibiotikaforschung. Am MIT haben Forscher mithilfe von Deep-Learning-Modellen ein völlig neue Klasse von Antibiotika.
In ähnlicher Weise gab ein anderes Team von Wissenschaftlern im Mai letzten Jahres bekannt, dass sie KI eingesetzt haben, um ein neues Antibiotikum zu identifizieren wirksam gegen arzneimittelresistente Bakterien.
KI ermöglicht eine schnellere und genauere Identifizierung von arzneimittelresistenten Infektionen und ebnet so den Weg für wirksamere Behandlungen und bessere Patientenergebnisse.
Die nächsten Jahre werden entscheidend sein, da das Team daran arbeitet, seinen Erfolg im Labor in reale klinische Anwendungen umzusetzen.
