为了纪念世界抗菌意识周，牛津大学牛津马丁抗菌药物耐药性测试项目支持的研究人员报告了一种新型快速抗菌药物敏感性测试的进展，该测试可以在短短30分钟内返回结果，比当前的黄金测试速度快得多-标准方法。
该研究“深度学习和单细胞表型用于快速检测大肠杆菌抗菌敏感性”已发表在《通讯生物学》上。
在他们的研究中，该团队结合使用荧光显微镜和人工智能(AI)来检测抗菌素耐药性(AMR)。该方法依靠训练深度学习模型来分析细菌细胞图像并检测细胞在接受抗生素处理时可能发生的结构变化。该方法被证明对多种抗生素有效，每个细胞的准确率至少达到80%。
研究人员表示，他们的模型未来可用于确定临床样本中的细胞是否对多种抗生素具有耐药性。
该论文的合著者、生物物理学教授、牛津马丁抗菌素耐药性测试项目主任AchillefsKapanidis表示：“阻止细菌细胞生长的抗生素也会改变细胞在显微镜下的外观，并影响细胞结构，例如“就像细菌染色体一样。我们基于人工智能的方法可以可靠、快速地检测到这些变化。同样，如果细胞具有耐药性，我们选择的变化就会消失，这构成了检测抗生素耐药性的基础。”
研究人员在一系列大肠杆菌临床分离株上测试了他们的方法，每种大肠杆菌对抗生素环丙沙星都有不同程度的耐药性。深度学习模型能够可靠地检测抗生素耐药性，并且比被认为是金标准的最先进的临床方法快至少10倍。
该团队希望继续开发他们的方法，使其变得更快、更适合临床使用，并适应不同类型的细菌和抗生素的使用。
根据该大学参与的全球抗菌素耐药性研究(GRAM)项目的数据，2019年近130万人因抗菌素耐药性死亡。
目前的测试方法依赖于在抗生素存在下生长细菌菌落。然而，此类测试速度很慢，通常需要几天的时间才能了解细菌对一系列抗生素的耐药性如何。
当患者患有可能危及生命的感染(例如脓毒症)并需要紧急治疗时，这可能会产生问题。这通常迫使医生根据他们的临床经验开出特定的抗生素，或者开出已知对多种细菌感染有效的抗生素混合物。
然而，如果开出无效的抗生素，患者的感染可能会恶化，并且需要接受更多的抗生素治疗。这样做的一个潜在结果是社区中抗生素的耐药性增加。
研究人员表示，如果进一步开发，他们的方法的快速特性可能会促进有针对性的抗生素治疗，有助于减少治疗时间，最大限度地减少副作用，并最终减缓抗菌素耐药性的上升。
该论文的合著者、大学物理系博士生AleksanderZagajewski表示：“我们的抗生素库的时间已经不多了;我们希望我们的新型诊断技术将为新一代精准治疗铺平道路。病情最严重的病人。”