محققان دانشگاه کمبریج ابزاری هوش مصنوعی مبتنی بر یادگیری ماشینی ساخته‌اند که می‌تواند باکتری‌های مقاوم به دارو را بدون نیاز به روش‌های آزمایش سنتی، شناسایی کند. باکتری سالمونلا تیفی موریوم (S. Typhimurium) باعث بروز نوعی بیماری گوارشی می‌شود که معمولاً با تب، درد شکم و اسهال همراه است و در برخی موارد جدی می‌تواند به مرگ منجر شود. این بیماری را می‌توان با آنتی‌بیوتیک‌ها از جمله سیپروفلوکساسین درمان کرد، با این حال، باکتری‌ها در طول زمان و به طور فزاینده‌ای مقاوم می‌شوند و روند درمان را دشوارتر می‌کنند. تحقیق جدیدی که در مجله Nature Communications منتشر شده است، نحوه شناسایی باکتری S. Typhimurium را با استفاده از یک الگوریتم یادگیری ماشینینشان می‌دهد. این سیستم به طور دقیق قادر به پیش بینی حساسیت یا مقاومت یک باکتری در برابر آنتی‌بیوتیک در شش ساعت بود، فرایندی که معمولاً حداقل 24 ساعت طول می‌کشد. 

Tuan-Anh Tran، محقق فوق دکتری در دانشگاه کمبریج، گفت: باکتری‌های تیفی موریوم که به سیپروفلوکساسین مقاوم هستند، تفاوت‌های قابل توجهی با آن‌هایی که هنوز به آنتی‌بیوتیک حساس هستند، دارند. یک نیروی متخصص ممکن است قادر به شناسایی برخی از این موارد باشد، ولی به تنهایی قادر به شناسایی تمام باکتری‌های مقاوم و حساس به آنتی‌بیوتیک نخواهد بود. زیبایی مدل یادگیری ماشینی که اخیراً در این زمینه توسعه پیدا کرده این است، این است که می‌تواند باکتری‌های مقاوم را بر اساس چند ویژگی ظریف در تصاویر میکروسکوپی که چشم انسان نمی‌تواند آنها را تشخیص دهد، شناسایی کند. به طور سنتی، پزشکان نمونه‌ای از باکتری را از خون یا مدفوع بیمار می‌گیرند و برای تشخیص باکتری روی آن مطالعه می‌کنند. با این حال، این فرایند می‌تواند زمان و کار آزمایشگاهی قابل توجهی را به خود اختصاص دهد. الگوریتم یادگیری ماشین برای تشخیص باکتری به گونه‌ای طراحی شده است که زمان رسیدن به نتیجه را تا حد زیادی افزایش می‌دهد و بیماران را قادر می‌سازد تا با داروهای مناسب سریع‌تر درمان شوند.

از طرفی محققان اشاره کردند که اجرای این فرایند در اکثر سیستم‌های آزمایشگاهی بالینی بسیار پیچیده و پرهزینه خواهد بود. دانشمندان کمبریج گفتند که به دنبال گسترش تحقیقات خود هستند و با مجموعه‌های بزرگ‌تری از باکتری‌ها کار می‌کنند تا روند شناسایی را تسریع کنند.Sushmita Sridhar که در دوران دکترا بر روی این پروژه کار می‌کرد، گفت: با توجه به اینکه این رویکرد از تصویربرداری با وضوح تک سلولی استفاده می‌کند، هنوز راه حلی نیست که بتوان به راحتی در همه جا به کار برد.

منبع مقاله: https://aibusiness.com/ml/ai-tool-spots-drug-resistant-bacteria-in-hours-beats-traditional-tests