Charles Chiu 박사가 이끄는 연구팀은 항생제 내성과 관련된 유전자 마커를 식별하기 위해 박테리아 샘플의 DNA 시퀀싱 데이터를 분석하는 AI 알고리즘을 개발했습니다. 기계 학습 기술을 사용하여 알고리즘은 박테리아 게놈 및 항생제 내성 프로파일의 대규모 데이터 세트에서 교육을 받았습니다. 이 훈련을 통해 AI는 패턴을 인식하고 새로운 박테리아 샘플에서 항생제 내성에 대한 정확한 예측을 할 수있었습니다.
연구에서 연구원들은 박테리아 감염 환자의 1,000 개가 넘는 임상 샘플에 대해 AI 알고리즘을 테스트했습니다. 결과는 AI 알고리즘이 높은 감도 및 특이성으로 항생제 내성을 감지 할 수 있음을 보여 주었다. 특히, AI는 며칠 또는 몇 주가 걸릴 수있는 전통적인 방법에 비해 30 분만에 항생제 내성을 식별 할 수있었습니다.
이러한 항생제 내성의 빠른 검출은 환자 치료를 최적화하는 데 중요합니다. 박테리아가 내성이있는 특정 항생제를 신속하게 식별함으로써 의료 서비스 제공자는 적절한 항생제를 처방하고 그에 따라 치료 계획을 조정하여 환자가 처음부터 가장 효과적인 치료법을 받도록 보장 할 수 있습니다. 이것은 환자의 결과를 향상시킬뿐만 아니라 전 세계적으로 항균성 저항의 증가하는 위협에 대항하는 데 도움이됩니다.
이 연구에서 개발 된 AI 기반 진단 접근법은 전통적인 방법에 비해 몇 가지 장점이 있습니다. 더 빠르고 정확하며 자동화되어 임상 실험실의 부담을 줄이고 조기 중재를 가능하게합니다. 또한 AI 알고리즘은 새로운 데이터로 지속적으로 훈련 및 업데이트 될 수 있으며, 항생제 내성의 진화하는 환경으로 최신 상태를 유지할 수 있습니다.
연구원들은 AI 기술을 진단 플랫폼이나 진단 지점 장치를 통해 임상 실습에 통합하는 것을 구상합니다. 이것은 병원, 클리닉 또는 원격 의료 환경에서 직접 빠른 항생제 내성 테스트를 허용합니다. 항생제 내성에 대한 실시간 정보를 제공함으로써 AI 기반 진단은 임상의가 환자 관리에 대한 정보에 근거한 결정을 내려 궁극적으로 치료의 질을 향상시키고 미래 세대를위한 항생제의 효과를 보존하는 데 도움이 될 수 있습니다.
