Cambridge bilim insanları, antibiyotik dirençli Salmonella’yı tespit etmek için makine öğrenimini kullanarak tespit süresini 24 saatten sadece dörtte bir güne düşürdü.
Cambridge Üniversitesi araştırmacıları, geleneksel antibiyotik testlerine gerek kalmadan ilaca dirençli bakterileri tespit edebilen bir makine öğrenme aracı geliştirdi. Salmonella Typhimurium (S. Typhimurium) bakterisi tifo benzeri bir gastrointestinal hastalığa neden olur ve ateş, karın ağrısı ve ishale yol açar. Şiddetli vakalarda yaşamı tehdit edici olabilir. Hastalık, siprofloksasin de dahil olmak üzere antibiyotiklerle tedavi edilebiliyor, ancak bakteriler giderek daha dirençli hale geliyor ve bu da tedaviyi daha da zorlaştırıyor.
Yapay zeka bakteri tespit süresini kısaltıyor
Nature Communications dergisinde yayımlanan yeni bir araştırma, bir araştırmacı ekibinin, belirli bir mikrobun ilaca dirençli olup olmadığını gösteren izolatlardaki özellikleri tanımak üzere eğitilmiş bir makine öğrenimi algoritması kullanarak S. Typhimurium bakterisini nasıl tespit ettiğini ayrıntılarıyla anlatıyor. Yapay zeka bakteri tespit sistemi, bir bakterinin antibiyotiklere karşı duyarlı mı yoksa dirençli mi olacağını altı saat içinde doğru bir şekilde tahmin edebildi. Bu işlem normalde en az 24 saat sürerdi.
Cambridge Üniversitesi’nde doktora sonrası araştırma görevlisi olan Tuan-Anh Tran: “Siprofloksasine dirençli S. Typhimurium bakterilerinin antibiyotiğe hala duyarlı olanlara göre birkaç önemli farkı var. Uzman bir insan operatörü bunlardan bazılarını tanımlayabilirken, tek başlarına dirençli ve duyarlı bakterileri güvenle ayırt etmek için yeterli olmazlar. Makine öğrenimi modelinin güzelliği, insan gözünün tespit edemediği mikroskopi görüntülerindeki birkaç ince özelliğe dayanarak dirençli bakterileri tanımlayabilmesidir” diyor.
Geleneksel olarak doktorlar hastanın kanından veya dışkısından bakteri örneği alır ve bunu antibiyotik eşliğinde kültüre alırlardı. Ancak bu süreç oldukça fazla zaman ve laboratuvar çalışması gerektirebilir.
Araştırmacının makine öğrenmesi algoritması, sonuç alma süresini büyük ölçüde artıracak şekilde tasarlandı ve bu sayede hastaların doğru ilaçlarla daha hızlı tedavi edilmesi sağlanıyor. Ancak bunun da kusurları yok değil. Araştırmacılar, sürecin çoğu klinik laboratuvar sisteminde uygulanmasının “aşırı derecede karmaşık ve pahalı” olacağını yazdı. Cambridge bilim insanları, tanımlama sürecini hızlandırmak için daha büyük bakteri koleksiyonları üzerinde çalışarak araştırmalarını genişletmeyi hedeflediklerini söyledi.