Mit künstlicher Intelligenz Antibiotikaresistenzen schneller vorhersagen

Bild
Das neue intelligente Computermodell lernte anhand Daten von über 300'000 Bakterienproben Antibiotikaresistenzen selbstständig vorherzusagen. (Symbolbild: Adobe Stock)

Eine Studie unter Co-​Leitung der ETH Zürich hat gezeigt, dass sich Resistenzen von Bakterien mittels Computeralgorithmen deutlich schneller ermitteln lassen als bisher. Dies könnte helfen, schwere Infekte in Zukunft effizienter zu behandeln.

Weltweit sind antibiotikaresistente Bakterien auf dem Vormarsch, so auch in der Schweiz. Rund 300 Menschen pro Jahr versterben hierzulande an Infektionen verursacht durch multi-​resistente Bakterien. Um die Ausbreitung von resistenten Bakterien zu bremsen, spielen die rasche Diagnostik und der zielgerichtete Einsatz von Antibiotika eine entscheidende Rolle. Doch genau hier liegt das Problem: Die Überprüfung, welche Antibiotika bei einem Krankheitserreger noch wirken, dauert oft zwei Tage oder länger, weil die Bakterien aus Patientenproben zunächst im Labor kultiviert werden müssen.

Forschende der ETH Zürich, des Universitätsspitals Basel und der Universität Basel haben nun eine Methode entwickelt, mit der sich Merkmale von Antibiotikaresistenzen bei Bakterien anhand von Massenspektrometrie-​Daten bereits 24 Stunden früher ermitteln lassen.

Wenn sich wichtige Antibiotikaresistenzen frühzeitig bestimmen lassen, können Ärztinnen und Ärzte die Antibiotikatherapie entsprechend schneller gezielt auf das jeweilige Bakterium abstimmen. Profitieren würden davon insbesondere schwerkranke Patientinnen und Patienten.

ETH News

Silvie Cuperus

News