AI能够在数小时内从显微镜图像中识别出耐药性伤寒样感染

剑桥大学的研究人员表明，人工智能（AI）可以用于识别耐药性感染，大大缩短正确诊断所需的时间。该团队确定，可以训练一种算法，仅从显微镜图像中正确识别耐药细菌

抗微生物耐药性是一个日益严重的全球健康问题，这意味着许多感染越来越难以治疗，可用的治疗选择越来越少。它甚至引发了一些感染在不久的将来无法治疗的担忧

卫生保健工作者面临的挑战之一是能否快速区分可以用一线药物治疗的生物体和对治疗有耐药性的生物体。常规检测可能需要几天时间，需要培养细菌，对各种抗菌处理进行测试，并由实验室技术人员或机器进行分析。这种延迟通常会导致患者使用不合适的药物进行治疗，这可能会导致更严重的后果，并可能进一步导致耐药性

在《自然通讯》上发表的一项研究中，剑桥大学Stephen Baker教授实验室的研究人员领导的一个团队开发了一种机器学习工具，能够从显微镜图像中识别对一线抗生素环丙沙星有耐药性的鼠伤寒沙门氏菌，甚至无需对该细菌进行药物测试

S.鼠伤寒在严重情况下会引起胃肠道疾病和伤寒样疾病，其症状包括发烧、疲劳、头痛、恶心、腹痛、便秘或腹泻。在严重的情况下，它可能会危及生命。虽然感染可以用抗生素治疗，但细菌对多种抗生素的耐药性越来越强，使治疗变得更加复杂

该团队使用高分辨率显微镜检查暴露于不断增加的环丙沙星浓度的鼠伤寒沙门氏菌分离株，并确定了区分耐药和易感分离株的五个最重要的成像特征

然后，他们训练并测试了机器学习算法，以使用来自16个样本的成像数据来识别这些特征

该算法能够在每种情况下正确预测细菌是否对环丙沙星敏感或耐药，而不需要细菌接触药物。与在抗生素存在下培养样品的通常24小时相比，仅培养6小时的分离株就是这种情况

Tuan Anh Tran博士在牛津大学读博士期间参与了这项研究，现在剑桥大学工作，他说：“对环丙沙星有耐药性的鼠伤寒沙门氏菌与那些仍然对抗生素敏感的细菌有几个显著的差异。虽然专业的人类操作员可能能够识别其中的一些，但仅靠他们自己是不足以自信地区分耐药性和易感细菌的。

”机器学习模型的美妙之处在于，它可以根据显微镜图像上人眼无法检测到的一些细微特征来识别耐药性细菌。“

为了使用这种方法对样本进行分析，仍然有必要从样本中分离细菌，例如血液、尿液或粪便样本。然而，由于细菌不需要对环丙沙星进行检测，这意味着整个过程可以从几天减少到几个小时。

虽然这种特殊方法的实用性和成本效益存在局限性，但该团队表示，它原则上证明了人工智能在帮助对抗抗微生物耐药性方面的强大作用。

“但它显示了真正的希望，通过捕捉细菌形状和结构的几个参数，它可以相对容易地为我们提供足够的信息来预测耐药性。”

该团队现在的目标是研究更大的细菌集合，以创建一个更强大的实验集，从而更快地加快鉴定过程，并使他们能够在许多不同种类的细菌中鉴定对环丙沙星和其他抗生素的耐药性。

Sridhar补充道，“真正重要的是，尤其是在临床环境中，能够采集复杂的样本，例如血液、尿液或痰，并直接从中鉴定易感性和耐药性。这是一个复杂得多的问题，甚至在医院的临床诊断中也没有解决。

“如果我们能找到一种方法，我们可以减少识别耐药性所需的时间，并以更低的成本。这可能是真正的变革。p