Система искусственного интеллекта правильно выбрала антибиотики для лечения сепсиса быстрее, чем стандартный метод с использованием посева крови, говорится в исследовании, представленном на конференции ASM Microbe.
По словам авторов исследования, система искусственного интеллекта, получившая название Keynome gAST, может быстро анализировать полные геномы бактерий в образцах крови пациентов без использования культуры и точно выбирать способ лечения. "Полученный результат - это первая в своем роде демонстрация комплексного и высокоточного прогнозирования чувствительности и резистентности к противомикробным препаратам по непосредственно клиническим образцам крови", - сообщил Джейсон Виттенбах, ведущий автор исследования. Системы искусственного интеллекта (ИИ), от обработки естественного языка до больших обучающихся моделей, таких как ChatGPT, все чаще рассматриваются для помощи в скрининге, диагностике и лечении инфекционных заболеваний. Современный стандарт диагностики сепсиса основывается на культивировании, что может занять от 2 до 3 дней и отсрочить лечение, увеличивая риск смерти.
Виттенбах и его коллеги собрали образцы крови у пациентов с подозрением на бактериемию в четырех больницах Бостона в период с июля 2023 года по март 2024 года. Они обработали образцы, используя метод Day Zero Diagnostics для сверхвысокого обогащения ДНК из крови. После секвенирования бактериальные геномы были проанализированы с помощью разработанного алгоритма прогнозирования чувствительности к противомикробным препаратам. В целом, исследователи сообщили, что точность прогнозирования была достигнута для 13 из 16 образцов пациентов для 65 высокодостоверных моделей и дополнительной панели из 70 разработанных панелей.
Согласно результатам исследования, категориальное согласие прогнозов диагностики и лечения с высокой степенью достоверности было достигнуто в 92,3% случаев, а расширенная панель достигла категориального согласия в 88,2% случаев. Кроме того, панель давала прогнозы для всех видов бактерий, встречавшихся в ходе исследования, и была чуть менее 88% достоверна при прогнозировании лекарственных препаратов, тестируемых в больницах. Панель была точной в 100% случаев для Escherichia coli и Pseudomonas aeruginosa, а также для нескольких клинически важных препаратов, выбранных против бактерий.
По словам Виттенбаха, несмотря на то, что из-за ограниченного размера выборки требуется дальнейшее изучение, исследование демонстрирует потенциал методов проверки чувствительности к противомикробным препаратам с помощью ИИ. "Это важнейшая демонстрация возможности быстрой диагностики резистентности к противомикробным препаратам на основе машинного обучения, которая может произвести революцию в терапии, сократить время пребывания в стационаре и спасти жизни", - сказал Виттенбах.
