L'équipe de recherche, dirigée par le Dr Charles Chiu, a développé un algorithme d'IA qui analyse les données de séquençage de l'ADN provenant d'échantillons bactériens afin d'identifier les marqueurs génétiques associés à la résistance aux antibiotiques. En utilisant des techniques d’apprentissage automatique, l’algorithme a été formé sur un vaste ensemble de données de génomes bactériens et de profils de résistance aux antibiotiques. Cette formation a permis à l’IA de reconnaître des modèles et de faire des prédictions précises sur la résistance aux antibiotiques dans de nouveaux échantillons bactériens.
Dans leur étude, les chercheurs ont testé leur algorithme d’IA sur plus de 1 000 échantillons cliniques provenant de patients atteints d’infections bactériennes. Les résultats ont démontré que l’algorithme d’IA pouvait détecter la résistance aux antibiotiques avec une sensibilité et une spécificité élevées. Notamment, l’IA a pu identifier la résistance aux antibiotiques en seulement 30 minutes, par rapport aux méthodes traditionnelles qui peuvent prendre des jours, voire des semaines.
Cette détection rapide de la résistance aux antibiotiques est cruciale pour optimiser les soins aux patients. En identifiant rapidement les antibiotiques spécifiques auxquels une bactérie est résistante, les prestataires de soins de santé peuvent prescrire les antibiotiques appropriés et ajuster les plans de traitement en conséquence, garantissant ainsi que les patients reçoivent les thérapies les plus efficaces dès le début. Cela améliore non seulement les résultats pour les patients, mais contribue également à lutter contre la menace croissante de la résistance aux antimicrobiens dans le monde.
L'approche diagnostique basée sur l'IA développée dans cette étude présente plusieurs avantages par rapport aux méthodes traditionnelles. Il est plus rapide, plus précis et peut être automatisé, réduisant ainsi la charge des laboratoires cliniques et permettant des interventions plus précoces. De plus, l’algorithme d’IA peut être continuellement entraîné et mis à jour avec de nouvelles données, garantissant ainsi qu’il reste à jour avec l’évolution du paysage de la résistance aux antibiotiques.
Les chercheurs envisagent d’intégrer leur technologie d’IA dans la pratique clinique, potentiellement via des plateformes de diagnostic ou des appareils sur le lieu de soins. Cela permettrait de réaliser des tests rapides de résistance aux antibiotiques directement dans les hôpitaux, les cliniques ou même dans les établissements de soins de santé éloignés. En fournissant des informations en temps réel sur la résistance aux antibiotiques, les diagnostics basés sur l’IA peuvent aider les cliniciens à prendre des décisions éclairées concernant la prise en charge des patients, améliorant ainsi la qualité des soins et préservant l’efficacité des antibiotiques pour les générations futures.
