Künstliche Intelligenz sagt Antibiotikaresistenzen schneller vorher

Forschende des Universitätsspitals Basel (USB) und der ETH Zürich haben gezeigt, dass sich Resistenzen von Bakterien mittels neuartigen Computeralgorithmen deutlich schneller ermitteln lassen als bisher. Dies könnte helfen, schwere Infekte in Zukunft effizienter zu behandeln – und wäre ein grosser Fortschritt im Kampf gegen antibiotikaresistente Bakterien.

2022-11-17 , 18:03 Uhr

Weltweit sind antibiotikaresistente Bakterien auf dem Vormarsch. Rund 300 Menschen versterben alleine in der Schweiz pro Jahr an Infektionen, die durch multi-resistente Bakterien verursacht wurden. Um die Ausbreitung zu bremsen, spielen die rasche Diagnostik und der zielgerichtete Einsatz von Antibiotika eine entscheidende Rolle. Doch genau hier liegt das Problem: Die Überprüfung, welche Antibiotika bei einem Krankheitserreger noch wirken, dauert oft zwei Tage oder länger, weil die Bakterien aus Patientenproben zunächst im Labor kultiviert werden müssen. Schwere Infekte behandeln Ärztinnen und Ärzte daher anfangs oft mit einem Breitbandantibiotikum, das gegen möglichst viele Bakterienarten wirkt.

 

Forschende des USB und der ETHZ haben nun eine Methode entwickelt, mit der sich Merkmale von Antibiotikaresistenzen bei Bakterien anhand von Massenspektrometrie-Daten und künstlicher Intelligenz bereits 24 Stunden früher ermitteln lassen. Die Forschenden veröffentlichten die Methode in der jüngsten Ausgabe des Fachmagazins «Nature Medicine». Profitieren würden davon insbesondere schwerkranke Patientinnen und Patienten. «Die Zeit bis zur optimalen Therapie kann bei einem schweren Infekt über Leben und Tod entscheiden. Eine schnelle und genaue Diagnostik ist hier enorm wichtig», sagt Professor Adrian Egli, Leiter der Klinischen Bakteriologie und Studienleiter am USB.

 

Das Massenspektrometrie-Gerät, das die Daten für die neue Methode liefert, wird in den meisten mikrobiologischen Laboren bereits heute eingesetzt, um die Bakterienart zu identifizieren. Die Forschungsteams haben nun 300’000 Massenspektrometrie-Daten von einzelnen Bakterien aus vier Laboren in der Nordwestschweiz mit den Resultaten der Antibiotika Resistenztestungen aus dem Labor verknüpft. Ein Computeralgorithmus analysiert diese Daten und lernt diejenigen Muster welche für eine Resistenz hinweisend sind.

 

Um den Nutzen der Computer-Vorhersagen zu überprüfen, haben die Forschenden rund 60 Fallbeispiele gemeinsam mit einem Infektiologen analysiert. Das Forschungsteam konzentrierte sich in diesen Beispielen auf Bakterien mit besonders häufigen Antibiotikaresistenzen. Tatsächlich hätte der Infektiologe mit dem neuartigen Verfahren in einigen Fällen zu einem anderen Antibiotikum gegriffen. Bis das neue diagnostische Verfahren zum Einsatz kommen könnte, gilt es noch eine weitere Herausforderung zu meistern: Der Nutzen der neuen Methode muss im Spitalalltag im Rahmen einer grösseren klinischen Studie bestätigt werden, diese ist am USB bereits in Planung. 

Medienauskunftsstelle

johnsonc

Caroline Johnson

Mediensprecherin