Forskere ved University of Cambridge har utnyttet kunstig intelligens i kampen mot antibiotikaresistens.
Forskerteamet, ledet av professor Stephen Baker, utviklet et maskinlæringsverktøy som kun bruker mikroskopibilder for å skille mellom bakterier som er resistente mot ciprofloksacin (et vanlig antibiotikum), og de som er mottakelige for det.
Dette kan dramatisk redusere tiden det tar å diagnostisere antibiotikaresistens, noe som potensielt kan endre hvordan vi behandler farlige infeksjoner som tyfoidfeber.
Den studiepublisert i Nature Communications, fokuserte på Salmonella Typhimurium, en bakterie som forårsaker alvorlig gastrointestinal sykdom og kan føre til livstruende invasiv sykdom.
Dr. Tuan-Anh Tran, en av nøkkelforskerne i prosjektet, forklarte fremgangsmåten i en blogginnlegg: "Det fine med maskinlæringsmodellen er at den kan identifisere resistente bakterier basert på noen få, subtile trekk på mikroskopibilder som det menneskelige øyet ikke kan oppdage."
Forskningsprosessen har bestått av flere viktige trinn:
- Klargjøring av bakterieprøver: Teamet dyrket S. Typhimurium-prøver i flytende næringsmedier, noen eksponert for ulike konsentrasjoner av ciprofloxacin og andre ikke.
- Bildebehandling med høyt innhold: Ved hjelp av et avansert mikroskop tok forskerne detaljerte bilder av bakteriene på flere tidspunkter.
- Bildeanalyse: Spesialisert programvare hentet ut 65 forskjellige egenskaper fra hver bakteriecelle, inkludert form, størrelse og interaksjon med fluorescerende fargestoffer.
- Utvikling av maskinlæringsmodeller: Forskerne matet disse dataene inn i ulike maskinlæringsalgoritmer og lærte dem opp til å gjenkjenne mønstre forbundet med antibiotikaresistens.
- Valg av funksjoner: Teamet identifiserte de mest avgjørende egenskapene for å skille mellom resistente og mottakelige bakterier.
Resultatene av denne prosessen var imponerende. AI-systemet identifiserte antibiotikaresistente bakterier korrekt i 87% av tilfellene.
Det kanskje mest bemerkelsesverdige var at forskerne fant ut at resistente og mottakelige bakterier hadde tydelige visuelle mønstre som AI-en kunne oppdage, selv når de ikke hadde blitt utsatt for antibiotika.
Dette tyder på at antibiotikaresistens endrer bakterienes utseende på måter som er for subtile til at mennesker kan se dem, men som kunstig intelligens kan oppdage.
Dagens metoder krever vanligvis flere dager med bakteriedyrking og testing mot ulike antimikrobielle midler. Den nye AI-baserte metoden kan derimot potensielt gi resultater i løpet av få timer.
Raskere diagnose gjør det mulig for legene å forskrive de mest effektive antibiotikaene raskere, noe som potensielt kan gi bedre pasientresultater og redusere spredningen av resistente bakterier.
Fremover har forskerteamet som mål å utvide tilnærmingen til mer komplekse kliniske prøver som blod eller urin, og teste dem på andre typer bakterier og antibiotika. De jobber også med å gjøre teknologien mer tilgjengelig for sykehus og klinikker over hele verden.
Som professor Baker forklarer: "Det som virkelig ville vært viktig, særlig i klinisk sammenheng, ville vært å kunne ta en kompleks prøve - for eksempel blod, urin eller sputum - og identifisere mottakelighet og resistens direkte fra den."
"Det er et mye mer komplisert problem, og det er egentlig ikke løst i det hele tatt, selv ikke innen klinisk diagnostikk på sykehus. Hvis vi kunne finne en måte å gjøre dette på, ville vi kunne redusere tiden det tar å identifisere resistens, og det til en mye lavere kostnad. Det vil virkelig kunne være banebrytende."
Dr. Sushmita Sridhar oppsummerte virkningene slik: "Siden denne tilnærmingen bruker avbildning med enkeltcelleoppløsning, er det ennå ikke en løsning som lett kan tas i bruk overalt. Men det er virkelig lovende at vi ved å fange opp bare noen få parametere om bakterienes form og struktur kan få nok informasjon til å forutsi legemiddelresistens på en relativt enkel måte."
Antibiotikaresistens fortsetter å utgjøre en eskalerende global helsetrussel, og innovative tilnærminger som denne AI-drevne avbildningsteknikken gir nytt håp.
Dette er en del av en bredere trend med AI-drevne innovasjoner innen antibiotikaforskning. Ved MIT har forskere brukt dyplæringsmodeller til å oppdage en helt ny klasse av antibiotika.
I mai i fjor kunngjorde et annet forskerteam at de hadde brukt kunstig intelligens til å identifisere et nytt antibiotikum effektive mot resistente bakterier.
Kunstig intelligens muliggjør raskere og mer nøyaktig identifisering av legemiddelresistente infeksjoner, noe som baner vei for mer effektive behandlinger og bedre pasientresultater.
De neste årene vil bli avgjørende når teamet skal omsette laboratoriesuksessen til kliniske anvendelser i den virkelige verden.
