抗菌薬耐性の検出を高速化するAI研究

細菌感染症の薬剤耐性が世界的に増加するなか、的確な抗菌薬を選択するため、細菌培養とこれに基づく薬剤耐性検査は必須である。しかし、既存の培養法では結果が出るまでに72時間程度を要することもあり、より迅速な判定方法の導出に対する期待が大きい。スイス連邦工科大学チューリッヒ校(ETH Zurich)を中心とした研究グループは「質量分析データにAIアルゴリズムを適用し、既存手法より最大24時間早く耐性菌の兆候を特定する手法」を発表した。

Nature Medicine誌に発表された同研究では、質量分析装置の用途を拡大し、抗菌薬耐性の識別に利用できるとする新しい手法を提案している。元来、質量分析装置は検体中のタンパク質断片を解析し、細菌の種類を特定するために広く用いられていた。本研究では、スイス国内4ヶ所の研究所から集められた30万件以上の細菌質量スペクトルと、対応する臨床検査結果をリンクした。結果、約800種の細菌と40種以上の抗菌薬を網羅したデータセットを構築しており、ここから抗菌薬耐性を予測するアルゴリズムを導いている。黄色ブドウ球菌・大腸菌・肺炎桿菌といった臨床的に重要な細菌とその薬剤耐性について、AIアルゴリズムはROC 0.74〜0.80程度の識別精度を示していた。

本手法でも事前の細菌培養は必要となるが、既存手法の数日間から、数時間にこのプロセスを短縮することができるため、検査結果を治療に反映させる上で大幅な効率化が期待できる。このモデルを63名の患者におけるケーススタディとして検証したところ、9例で治療内容が変更され、8例でその変更が有益となることが確認された。ETH Zurichのインタビューに対し、同大のバイオシステム科学・工学部門教授のKarsten Borgwardt氏は「本研究は質量分析データと抗菌薬耐性に関する情報を組み合わせた大規模なものであり、既存の臨床データ活用で新たな知見を得られる好例を示すことができた」と語っている。

関連記事:

  1. 薬剤耐性菌の広がりを予測する機械学習モデル
  2. 耐性菌の迅速検査に向けたセンサー開発
  3. 多剤耐性結核にAIプラットフォームで取り組む – InveniAI社のTBMeld
  4. イスラエル国内の尿路感染症治療精度を大きく向上させたAI
  5. 抗菌薬は魔法の薬ではない – アフリカでの抗菌薬濫用を防ぐAIツール

TOKYO analyticahttps://tokyoanalytica.com/
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. 岡本 将輝
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、英University College London(UCL)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員、東京大学特任研究員を経て、現在は米ハーバード大学医学部講師、マサチューセッツ総合病院研究員、SBI大学院大学客員准教授など。専門はメディカルデータサイエンス。

2. 杉野 智啓
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。
RELATED ARTICLES

最新記事

注目の記事