首页»行业  »   医疗  »   正文

AI可判断并预测结核病患者是否对普通药物具有耐药性

AI可判断并预测结核病患者是否对普通药物具有耐药性

根据美国疾病控制和预防中心的数据,结核病(TB)是世界上最为致命的疾病之一。2017年有近1000万人感染了这种疾病,其中130万人死于结核病。更糟糕的是,导致结核病的细菌由于能够对某些药物产生耐药性而难以定位。

哈佛医学院Blavatnik研究所的研究人员设计了一种算法,能够检测出治疗前人体对常用结核病药物的耐药性。在实验中,他们设法在十分之一秒内准确预测菌株对10种一线和二线药物的耐药性,并且比同类药物更精确。

该方法将被添加到哈佛医学院的genTB工具中,可分析结核病数据并预测结核病耐药性。

哈佛医学院助理教授Maha Farhat表示,“耐药的结核病很难被发现,难以治疗,预示着患者的预后不良。在诊断时快速检测出完整的耐药性的能力,对改善个体患者的预后和减少感染的传播至关重要。”

Farhat解释说,在每年诊断出的数百万新结核病例中,大约4%对至少两种药物有抗药性,十分之一的患者对多种药物有抗药性。药物敏感性检测设备在发展中国家很难获得,即使在装备精良的实验室中,也需要数周才能验证结果。扫描样品DNA抗性基因的较新检查也有其局限性,至于全基因组测序测试,它们在检测对二线药物的耐药性方面表现不佳。

相比之下,研究人员的方法利用机器学习算法来捕捉多个突变的影响。它包含两个模型:统计模型和wide-and-deep系统,该系统将每个突变编码为一个变量,该变量要么产生耐药性,要么完全没有。

“我们的目标是开发一种神经网络模型,神经网络交织两种形式的机器学习,以确定遗传变异对抗生素抗性的综合影响。”

AI可判断并预测结核病患者是否对普通药物具有耐药性

这两个AI系统接受了对一线和二线药物耐药的3601个TB菌株的训练,包括1228个多药耐药菌株,其药物敏感性检测结果。为了测试它们的性能,团队从792个完全测序的TB基因组的测试语料库中提取样本。

统计模型对一线和二线药物的耐药性的预测准确度分别为94%和88%,而wide-and-deep系统预测准确度分别为94%和90%。两种模型都能够在十分之一秒内预测一线和二线治疗的耐药性,而后一种模型显示出预测极其罕见的基因突变影响的能力。

研究人员声称,如果将其纳入临床试验,这些模型可以使药物耐药性检测更快,更准确。

欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com

发表评论