De bactérias graves, como infecções resistentes a drogas, especialmente tuberculose e material-é uma crescente crise de saúde global. Essas infecções são mais difíceis de tratar, geralmente são necessárias drogas mais caras ou venenosas e são responsáveis pela localização do hospital e taxas de mortalidade mais altas. Em 2021, 1,5 pessoas desenvolveram a tuberculose resistente a várias drags, a taxa de sucesso do tratamento caiu para apenas 57%, disse a Organização Mundial da Saúde.
Agora, os cientistas universitários de comparações criaram um novo método baseado em inteligência artificial que detecta com mais precisão o marcador genético da resistência a antibióticos. Mycobacterium E Staphylococcus aerius – Possivelmente leva a um tratamento rápido e mais eficaz.
Um estudo de comparação, publicado ComunicaçãoA introdução de um novo modelo de associação de grupo (GAM) que usa aprendizado de máquina para detectar mutações genéticas envolvidas na resistência a medicamentos. Em contraste com o equipamento de maré tradicional, que pode conectar as mutações relacionadas erradas, ele não depende do conhecimento anterior do processo de resistência do GAM, ele permite encontrar mudanças genéticas mais flexíveis e anteriormente desconhecidas.
Os métodos atuais de detecção de resistência usados por empresas, como aquelas que fazem mutações raras de teste-ou raras, baseadas em cultura longa, como alguns testes baseados em DNA perdem. Modelos completos analisam todas as seqüências do genoma e comparam grupos de deformação de bactérias com vários padrões de resistência para encontrar alterações genéticas que resistam a confiabilidade aos medicamentos preventivos.
Tony Huo, presidente da Weatherhead, diretor da Weatherhead da inovação de biotecnologia e diretor do Centro de Diagnóstico Celular e Molecular, Tony Hu, disse: “É usar o pano de fundo para expor toda a impressão digital genética a alguns antibióticos”. “Basicamente, nos ensinamos um computador a identificar padrões de resistência sem a necessidade de apontá -los primeiro”.
No estudo, os pesquisadores aplicaram o GAM a mais de 7.000 cepas Mtb E cerca de 4.000 cepas S. Orias, Identificação de mutações originais associadas à resistência. Eles descobriram que o GAM simplesmente não correspondia ou excedeu o banco de dados de resistência quem, mas também reduz os falsos positivos, o marcador de resistência identificado incorretamente que pode levar a tratamento inadequado.
“Os testes genéticos atuais podem categorizar incorretamente as bactérias, afetando o atendimento ao paciente”, Julian Saliba, estudante de pós -graduação no Centro Universitário, comparou diagnósticos celulares e moleculares. “Nosso método fornece uma imagem clara na qual a conversão é realmente causada pela resistência, reduz mudanças desnecessárias no diagnóstico e tratamento incorretos”.
Quando a máquina é combinada com o aprendizado, a capacidade de prever a resistência com dados limitados ou incompletos melhora. No estudo da validação usando amostras clínicas da China, o modelo aprimorado de aprendizado de máquina superou os métodos baseados em OMS para prever os principais antibióticos da linha de frente.
Isso é significativo porque a resistência inicial pode ajudar os médicos no sistema de tratamento adequado antes que a infecção seja espalhada ou pior.
A habilidade de detectar resistência sem a necessidade de regras definidas por especialistas significa que ela pode ser aplicada a outras bactérias ou mesmo agricultura, onde a resistência a antibióticos também está ansiosa nas culturas.
“Somos importantes para estar à frente do crescimento de infecções resistentes a drogas”, disse Saliba. “Essa ferramenta pode nos ajudar a fazer isso.”