Em seu estudo publicado na Communications Biology , a equipe usou uma combinação de microscopia de fluorescência e inteligência artificial (IA) para detectar resistência antimicrobiana (RAM). Este método baseia-se no treinamento de modelos de aprendizagem profunda para analisar imagens de células bacterianas e detectar alterações estruturais que podem ocorrer nas células quando são tratadas com antibióticos. O método demonstrou ser eficaz em vários antibióticos, alcançando pelo menos 80% de precisão por célula.

Os pesquisadores dizem que seu modelo pode ser usado para identificar se as células em amostras clínicas são resistentes a uma ampla variedade de antibióticos no futuro.

Coautor do artigo Achillefs Kapanidis , professor de Física Biológica e Diretor do Programa Oxford Martin sobre Testes de Resistência Antimicrobiana, disse: 'Antibióticos que impedem o crescimento de células bacterianas também mudam a aparência das células sob um microscópio e afetam estruturas celulares como como o cromossomo bacteriano. Nossa abordagem baseada em IA detecta essas mudanças de maneira confiável e rápida. Da mesma forma, se uma célula for resistente, as alterações que selecionamos estão ausentes, e isto constitui a base para detectar a resistência aos antibióticos.'

Os pesquisadores testaram seu método em uma série de isolados clínicos de E. coli , cada um com níveis variados de resistência ao antibiótico ciprofloxacina. Os modelos de aprendizagem profunda foram capazes de detectar a resistência aos antibióticos de forma confiável e pelo menos 10 vezes mais rápida do que os métodos clínicos de última geração considerados padrão-ouro.

A equipe espera continuar desenvolvendo seu método para que ele se torne mais rápido e escalável para uso clínico, além de adaptar seu uso para diferentes tipos de bactérias e antibióticos.

De acordo com o Projeto Global de Pesquisa sobre Resistência Antimicrobiana (GRAM) – uma parceria envolvendo a Universidade – quase 1,3 milhão de pessoas morreram em 2019 devido à RAM .

Os métodos de teste atuais baseiam-se no crescimento de colônias bacterianas na presença de antibióticos. No entanto, esses testes são lentos, muitas vezes exigindo vários dias para entender o quão resistentes as bactérias são a uma variedade de antibióticos.

Uma mão com uma luva de látex segura uma placa de Petri circular cheia de geleia de ágar.  As colônias bacterianas são visíveis na placa, mas estão ausentes nas áreas ao redor dos pequenos discos que contêm antibióticos.  

Isto pode ser problemático quando os pacientes têm infecções potencialmente fatais, como sepse, que requerem tratamento urgente. Isso geralmente força os médicos a prescrever antibióticos específicos com base em sua experiência clínica ou um coquetel de antibióticos conhecidos por serem eficazes em múltiplas infecções bacterianas. No entanto, se forem prescritos antibióticos ineficazes, as infecções dos pacientes podem piorar e terão de ser tratados com mais antibióticos. Um resultado potencial disto é o aumento da RAM aos antibióticos na comunidade.

Os investigadores afirmam que, se for mais desenvolvido, a natureza rápida do seu método pode facilitar tratamentos com antibióticos direcionados – ajudando a diminuir os tempos de tratamento, minimizar os efeitos secundários e, em última análise, abrandar o aumento da RAM.

O coautor do artigo, Aleksander Zagajewski, estudante de doutorado do Departamento de Física da Universidade, disse: “O tempo está começando a se esgotar para o nosso arsenal de antibióticos; esperamos que nossos novos diagnósticos abram caminho para uma nova geração de tratamentos de precisão para os pacientes mais doentes”.

O estudo 'Aprendizagem profunda e fenotipagem unicelular para detecção rápida de suscetibilidade antimicrobiana em Escherichia coli' foi publicado na Communications Biology .

Pesquisadores de toda a Universidade contribuíram para o estudo, inclusive do Departamento de Física, do Departamento de Medicina de Nuffield, da Escola de Patologia Sir William Dunn e do Departamento de Saúde Reprodutiva Feminina de Nuffield. Pesquisadores do Departamento de Microbiologia e Doenças Infecciosas do NHS Foundation Trust dos Hospitais da Universidade de Oxford também estiveram envolvidos.