人工智能能够在数小时内从显微镜图像中识别出类似伤寒的耐药性感染

抗菌素耐药性日益成为全球性健康问题，这意味着许多感染疾病变得难以治疗，可供选择的治疗方案也越来越少。它甚至预示着某些感染在不久的将来可能会变得无法治疗。

医疗工作者面临的挑战之一是，他们能否迅速区分哪些生物体可以用一线药物治疗，哪些则对治疗具有耐药性。传统检测可能需要数天时间，需要培养细菌，对各种抗菌治疗进行测试，并由实验室技术人员或机器进行分析。这种延迟往往导致患者接受不适当的药物治疗，可能导致更严重的后果，并可能进一步推动药物耐药性的发展。

在《自然通讯》（Nature Communications）上发表的一项研究中，剑桥大学斯蒂芬·贝克（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，该工具能够通过显微镜图像识别对一线抗生素环丙沙星具有耐药性的鼠伤寒沙门氏菌细菌——甚至无需对细菌进行药物测试。

鼠伤寒沙门氏菌会引起胃肠道疾病，在严重情况下会引起类似伤寒的疾病，其症状包括发烧、疲劳、头痛、恶心、腹痛和便秘或腹泻。在严重的情况下，它可能是致命的。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正在增加，使得治疗变得更加复杂。

该团队使用高分辨率显微镜观察了暴露于递增浓度环丙沙星的鼠伤寒沙门氏菌分离株，并确定了用于区分耐药性和敏感分离株的五个最重要的成像特征。

然后，他们使用来自16个样本的成像数据，训练并测试了机器学习算法以识别这些特征。

该算法能够在每种情况下都正确地预测细菌是否对环丙沙星敏感或耐药，而无需让细菌接触该药物。对于仅培养六小时的分离株，也能进行这样的预测，相比之下，在抗生素存在的情况下培养样本通常需要24小时。

牛津大学博士生（现为剑桥大学研究员）段安（Tuan-Anh Tran）博士说：“对环丙沙星具有耐药性的鼠伤寒沙门氏菌细菌与仍对该抗生素敏感的细菌之间存在几个显着差异。虽然专家级的人类操作员可能能够识别其中的一些差异，但这些差异本身并不足以自信地区分耐药性和敏感细菌。

“机器学习模型的优点在于，它可以根据显微镜图像上人类眼睛无法检测到的几个微妙特征来识别耐药细菌。”

为了使用这种方法分析样本，仍然需要从样本中分离出细菌——例如血液、尿液或粪便样本。但是，由于细菌无需针对环丙沙星进行测试，这意味着整个过程可以从几天缩短到几个小时。

虽然这种特定方法在实际操作和成本效益方面存在局限性，但研究团队表示，它原则上证明了人工智能在帮助对抗抗菌素耐药性方面可能发挥的强大作用。

剑桥大学医学系博士生（现为新墨西哥大学和哈佛公共卫生学院博士后）苏诗婧（Sushmita Sridhar）博士说：“鉴于这种方法使用的是单细胞分辨率成像，它还不是一种可以随处部署的解决方案。但它确实显示出了真正的希望，即仅通过捕获关于细菌形状和结构的几个参数，它就可以相对轻松地为我们提供足够的信息来预测药物耐药性。”

该团队现在旨在研究更大的细菌集合，以创建一个更强大的实验组合，这可以进一步加快识别过程，并允许他们识别不同种类细菌对环丙沙星和其他抗生素的耐药性。

苏诗婧补充说：“对于临床环境来说，特别重要的是能够直接对复杂样本（例如血液、尿液或痰液）进行检测，以确定其敏感性和耐药性。这是一个更为复杂的问题，即使在医院的临床诊断中也尚未得到解决。如果我们能找到一种方法来做这件事，我们就可以减少确定药物耐药性的时间，并大大降低成本。这可能会带来真正的变革。”