15:41 2022-06-29
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Tehnici de inteligență artificială utilizate pentru obținerea modelelor de rezistență la antibiotice
_ Tehnici de inteligență artificială utilizate pentru a obține Tipare de rezistență la antibiotice
Universitatea Carlos III din Madrid (UC3M) efectuează cercetări care analizează tiparele de rezistență la antibiotice cu scopul de a găsi tendințe care să ajute să decidă ce tratament să se aplice fiecărui tip de pacient și să oprească răspândirea. de bacterii. Acest studiu, publicat recent în revista științifică Nature Communications, a fost realizat împreună cu Universitatea din Exeter, Universitatea din Birmingham (ambele în Regatul Unit) și Spitalul Westmead din Sydney (Australia).
Pentru a observa rezistența unui agent patogen bacterian la un antibiotic în medii clinice, se folosește o măsură numită MIC (Minimum Inhibitory Concentration), care este concentrația minimă de antibiotic capabilă să inhibe creșterea bacteriană. Cu cât este mai mare MIC al unei bacterii împotriva unui antibiotic, cu atât este mai mare rezistența acestuia.
Cu toate acestea, majoritatea bazelor de date publice conțin doar frecvența agenților patogeni rezistenți, care reprezintă date agregate calculate din măsurătorile MIC și pragurile de rezistență predefinite. „De exemplu, pentru un anumit agent patogen, pragul de rezistență la antibiotice poate fi 4: dacă o bacterie are un MIC de 16, este considerată rezistentă și este luată în considerare la calcularea frecvenței rezistenței”, spune Pablo Catalán, lector și cercetător în cadrul UC3M. Departamentul de Matematică și autorul studiului. În acest sens, rapoartele de rezistență care sunt realizate la nivel național și de organizații precum OMS sunt întocmite folosind aceste date agregate de frecvență a rezistenței.
Pentru a efectua această cercetare, echipa a analizat o bază de date care este la sol. rupere, deoarece conține date brute despre rezistența la antibiotice. Această bază de date, numită ATLAS, este gestionată de Pfizer și este publică din 2018. Grupul de lucru condus de UC3M a comparat informațiile a 600.000 de pacienți din peste 70 de țări și a folosit metode de învățare automată (un tip de tehnică de inteligență artificială) pentru a extrage modele de evoluție a rezistenței.
Analizând aceste date, echipa de cercetare a descoperit că există modele de evoluție a rezistenței care pot fi detectate la utilizarea datelor brute (MIC), dar care sunt nedetectabile folosind datele agregate. „Un exemplu clar în acest sens este un agent patogen al cărui MIC crește lent în timp, dar sub pragul de rezistență. Folosind aceste date de frecvență nu am putea spune nimic, deoarece frecvența de rezistență rămâne constantă. Cu toate acestea, prin utilizarea datelor MIC putem detecta un astfel de caz și putem fi în alertă. În lucrare, discutăm mai multe cazuri relevante clinic care au aceste caracteristici. În plus, suntem prima echipă care descrie această bază de date în profunzime", spune Catalán.
Acest studiu face posibilă proiectarea de tratamente cu antibiotice care sunt mai eficiente în controlul infecțiilor și în limitarea creșterii rezistenței, care provoacă multe probleme clinice. „Cercetarea folosește idei matematice pentru a găsi noi modalități de extragere a modelelor de rezistență la antibiotice din 6,5 milioane de puncte de date”, conchide autorul cercetării.
Comentarii:
Adauga Comentariu