A inteligência artificial (IA) pode ser usada para identificar infecções resistentes a medicamentos, reduzindo significativamente o tempo necessário para um diagnóstico correto, mostraram pesquisadores de Cambridge. A equipe mostrou que um algoritmo pode ser treinado para identificar bactérias resistentes a medicamentos corretamente a partir de imagens de microscopia apenas.
A beleza do modelo de aprendizagem de máquina é que ele pode identificar bactérias resistentes com base em algumas características sutis em imagens de microscopia que os olhos humanos não conseguem detectar Tuan-Anh Tran
A resistência antimicrobiana é um problema de saúde global crescente que significa que muitas infecções estão se tornando difíceis de tratar, com menos opções de tratamento disponíveis. Ela até levanta o espectro de algumas infecções se tornarem intratáveis em um futuro próximo.
Um dos desafios enfrentados pelos profissionais de saúde é a capacidade de distinguir rapidamente entre organismos que podem ser tratados com medicamentos de primeira linha e aqueles que são resistentes ao tratamento. Os testes convencionais podem levar vários dias, exigindo que as bactérias sejam cultivadas, testadas contra vários tratamentos antimicrobianos e analisadas por um técnico de laboratório ou por máquina. Esse atraso geralmente resulta em pacientes sendo tratados com um medicamento inapropriado, o que pode levar a resultados mais sérios e, potencialmente, aumentar ainda mais a resistência aos medicamentos.
Em pesquisa publicada em Comunicações da Naturezauma equipe liderada por pesquisadores do Laboratório do Professor Stephen Baker na Universidade de Cambridge desenvolveu uma ferramenta de aprendizado de máquina capaz de identificar a partir de imagens de microscopia Salmonela Bactéria Typhimurium resistente ao antibiótico de primeira linha ciprofloxacino – mesmo sem testar a bactéria contra o medicamento.
S. Typhimurium causa doenças gastrointestinais e doenças semelhantes à tifoide em casos graves, cujos sintomas incluem febre, fadiga, dor de cabeça, náusea, dor abdominal e constipação ou diarreia. Em casos graves, pode ser fatal. Embora as infecções possam ser tratadas com antibióticos, as bactérias estão se tornando cada vez mais resistentes a vários antibióticos, tornando o tratamento mais complicado.
A equipe usou microscopia de alta resolução para examinar isolados de S. Typhimurium expostos a concentrações crescentes de ciprofloxacino e identificou as cinco características de imagem mais importantes para distinguir entre isolados resistentes e suscetíveis.
Eles então treinaram e testaram um algoritmo de aprendizado de máquina para reconhecer essas características usando dados de imagem de 16 amostras.
O algoritmo foi capaz de prever corretamente em cada caso se as bactérias eram suscetíveis ou resistentes à ciprofloxacina sem a necessidade de as bactérias serem expostas ao medicamento. Esse foi o caso de isolados cultivados por apenas seis horas, em comparação com as 24 horas usuais para cultivar uma amostra na presença de antibiótico.
Dr. Tuan-Anh Tran, que trabalhou nesta pesquisa enquanto candidato a PhD na Universidade de Oxford e agora está baseado na Universidade de Cambridge, disse: “A bactéria S. Typhimurium que é resistente à ciprofloxacina tem várias diferenças notáveis em relação àquelas ainda suscetíveis ao antibiótico. Embora um operador humano especialista possa ser capaz de identificar algumas delas, por si só elas não seriam suficientes para distinguir com segurança bactérias resistentes e suscetíveis.
“A beleza do modelo de aprendizado de máquina é que ele pode identificar bactérias resistentes com base em algumas características sutis em imagens de microscopia que os olhos humanos não conseguem detectar.”
Para que uma amostra seja analisada usando essa abordagem, ainda seria necessário isolar as bactérias de uma amostra – por exemplo, uma amostra de sangue, urina ou fezes. No entanto, como as bactérias não precisam ser testadas contra ciprofloxacino, isso significa que todo o processo pode ser reduzido de vários dias para uma questão de horas.
Embora existam limitações quanto à praticidade e à relação custo-benefício dessa abordagem específica, a equipe afirma que ela demonstra, em princípio, o quão poderosa a inteligência artificial pode ser para ajudar na luta contra a resistência antimicrobiana.
A Dra. Sushmita Sridhar, que iniciou este projeto enquanto candidata a doutorado no Departamento de Medicina da Universidade de Cambridge e agora é pós-doutoranda na Universidade do Novo México e na Escola de Saúde Pública de Harvard, disse: “Dado que esta abordagem usa imagens de resolução de célula única, ainda não é uma solução que poderia ser prontamente implementada em todos os lugares. Mas mostra uma promessa real de que, ao capturar apenas alguns parâmetros sobre a forma e a estrutura da bactéria, pode nos dar informações suficientes para prever a resistência aos medicamentos com relativa facilidade.”
A equipe agora pretende trabalhar em coleções maiores de bactérias para criar um conjunto experimental mais robusto que poderia acelerar ainda mais o processo de identificação e permitir a identificação de resistência à ciprofloxacina e outros antibióticos em diversas espécies diferentes de bactérias.
Sridhar acrescentou: “O que seria realmente importante, particularmente para um contexto clínico, seria ser capaz de coletar uma amostra complexa – por exemplo, sangue, urina ou escarro – e identificar suscetibilidade e resistência diretamente dela. Esse é um problema muito mais complicado e que realmente não foi resolvido, mesmo em diagnósticos clínicos em um hospital. Se pudéssemos encontrar uma maneira de fazer isso, poderíamos reduzir o tempo necessário para identificar a resistência aos medicamentos e a um custo muito menor. Isso poderia ser verdadeiramente transformador.”
Referência
Tran, TA & Sridhar, S et al. Combinando aprendizado de máquina com imagens de alto conteúdo para inferir suscetibilidade à ciprofloxacina em isolados de Salmonella Typhimurium. Nat Comms; 13 de junho de 2024; DOI: 10.1038/s41467’024 -49433-4