O método de IA melhora o padrão atual na previsão da resistência a antibióticos

Infecção farmacêutica-especialmente uma crescente crise global de saúde de bactérias mortais, como tuberculose e funcionários. Essas infecções são difíceis de tratar, geralmente são necessárias medicamentos mais caros ou tóxicos e são responsáveis ​​pela estadia hospitalar prolongada e pela alta mortalidade. Segundo a Organização Mundial da Saúde, somente em 2021, 450.000 pessoas desenvolveram tuberculose resistente a multirg, na qual a taxa de sucesso do tratamento caiu para apenas 57%.

Agora, os cientistas da Universidade de Tulane desenvolveram um novo método baseado em inteligência artificial que detecta com mais precisão marcadores genéticos de resistência a antibióticos em Mycobacterium tuberculosis e Staphylococcus aureus-que estão levando a tratamentos rápidos e mais eficazes.

Um estudo de Tulane apresenta um novo modelo de associação de grupo (GAM) que usa aprendizado de máquina Para identificar mutação genética Medicamento amarrado com resistência. Diferentemente dos dispositivos tradicionais, que podem associar acidentalmente mutações não relacionadas da resistência, não confiam no pré -conhecimento do mecanismo de resistência do GAM, tornando -o mais flexível e é capaz de encontrar uma mudança genética desconhecida com antecedência.

É papel Publicado No diário Comunicação da naturezaAssim,

Os métodos atuais de detecção de resistência usados ​​por organizações como quem levam muito tempo para os testes baseados em cultura-ou lembram-se de mutações raras com alguns testes baseados em DNA. O modelo de tulano aborda ambos os problemas, analisando todas as seqüências do genoma e comparando grupos de cepas bacterianas, que são com diferentes padrões de resistência para encontrar mudanças genéticas que indicam firmemente a resistência a medicamentos específicos.

O escritor sênior Tony Hu, presidente presidencial de VedArhead em inovação de biotecnologia e Tony Hu, escritor sênior do Tullener e Molecular Diagnostics, disse Tony Hu, “usar alguns medicamentos antibióticos para usar toda a impressão digital genética de bactérias”, disse Tony Hu. “Estamos ensinando essencialmente um computador para identificá -los sem a necessidade de indicá -los primeiro”.

No estudo, os pesquisadores aplicaram o GAM a mais de 7.000 cepas de MTB e cerca de 4.000 cepas de S. arius, identificando as principais mutações associadas à resistência. Eles descobriram que o GAM não apenas correspondia ou excedeu a precisão do banco de dados de resistência de quem, mas também reduziu consideravelmente. Falsa positividadeMarcadores identificados incorretamente podem levar ao tratamento inadequado da resistência.

“O teste genético atual pode classificar incorretamente as bactérias como resistentes, afetando os cuidados do paciente”, disse Julian Saliba, estudante de pós -graduação do Centro de Tulane University for Cellular e Molecular. “Nosso método fornece uma imagem clara, na qual a mutação realmente causa resistência, reduz mudanças desnecessárias para diagnóstico e tratamento incorretos”.

Quando combinado com o aprendizado de máquina, a capacidade de prever a resistência com dados limitados ou incompletos melhorou. Em estudos de verificação usando amostras clínicas da China, o aprendizado de máquina promoveu o modelo, o que é melhor prever a resistência aos principais antibióticos da linha de frente.

Isso é importante porque a resistência rápida de captura pode ajudar os médicos a ajudar os médicos no tratamento correto antes de se espalhar ou se deteriorar.

A capacidade do modelo de detectar resistência sem a necessidade de regras definidas por especialistas também significa que ele pode ser potencialmente aplicado em outras bactérias ou mesmo agricultura, onde a resistência a antibióticos também é uma preocupação nas colheitas.

“É importante que às vezes esteja à frente de desenvolver Infecção resistente a drogas“Saliba disse.” Este dispositivo pode nos ajudar a fazê -lo. , Assim,