为了纪念世界抗菌素宣传周，牛津大学牛津马丁抗菌素耐药性测试项目支持的研究人员报告了一种新型快速抗菌素敏感性测试的进展，该测试可以在短短30分钟内返回结果，比目前的金标准方法快得多。

　　这项名为“深度学习和单细胞表型用于大肠杆菌的快速抗菌药物敏感性检测”的研究发表在《通信生物学》杂志上。

　　在他们的研究中，研究小组结合了荧光显微镜和人工智能(AI)来检测抗菌素耐药性(AMR)。这种方法依赖于训练深度学习模型来分析细菌细胞图像，并检测细胞在接受抗生素治疗时可能发生的结构变化。该方法被证明对多种抗生素有效，在每个细胞的基础上达到至少80%的准确性。

　　研究人员说，他们的模型将来可以用来确定临床样本中的细胞是否对各种各样的抗生素具有耐药性。

　　论文的共同作者、牛津大学马丁抗菌素耐药性测试项目主任、生物物理学教授阿基里斯·卡帕尼迪斯说:“阻止细菌细胞生长的抗生素也会改变细胞在显微镜下的样子，并影响细菌染色体等细胞结构。我们基于人工智能的方法可靠而快速地检测到这些变化。同样，如果一个细胞具有耐药性，我们选择的变化就不存在，这就形成了检测抗生素耐药性的基础。”

　　研究人员在一系列临床分离的大肠杆菌上测试了他们的方法，每一种大肠杆菌对抗生素环丙沙星的耐药性都不同。深度学习模型能够可靠地检测抗生素耐药性，并且比被认为是金标准的最先进的临床方法快至少10倍。

　　该团队希望继续开发他们的方法，使其在临床应用中变得更快、更可扩展，并适应不同类型的细菌和抗生素的使用。

　　根据全球抗微生物药物耐药性研究(GRAM)项目(一个涉及该大学的合作伙伴关系)，2019年有近130万人死于抗生素耐药性。

　　目前的检测方法依赖于抗生素存在下细菌菌落的生长。然而，这种测试是缓慢的，通常需要几天的时间来了解细菌对一系列抗生素的耐药程度。

　　当患者患有可能危及生命的感染，如败血症，需要紧急治疗时，这可能会出现问题。这通常迫使医生要么根据他们的临床经验开特定的抗生素，要么开已知对多种细菌感染有效的抗生素混合物。

　　然而，如果处方无效的抗生素，患者的感染可能会恶化，他们将需要更多的抗生素治疗。这样做的一个潜在结果是社区对抗生素的耐药性增加。

　　研究人员说，如果进一步发展，他们的方法的快速性质可能有助于靶向抗生素治疗-有助于减少治疗时间，最大限度地减少副作用，最终减缓AMR的上升。

　　该论文的合著者亚历山大·扎加耶夫斯基(Aleksander Zagajewski)是该大学物理系的博士生，他说:“我们的抗生素武器库的时间开始不多了;我们希望我们的新诊断方法能为大多数病人的新一代精确治疗铺平道路。”

　　资讯来源：http://www.ppasy.com/news/show/158166/