剑桥大学的研究人员表示，人工智能 (AI) 可用于识别耐药性感染，从而大大缩短正确诊断所需的时间。该团队确定，可以训练一种算法，仅凭显微镜图像就能正确识别耐药细菌。

抗生素耐药性是一个日益严重的全球健康问题，这意味着许多感染越来越难以治疗，可用的治疗方案越来越少。它甚至引发了某些感染在不久的将来无法治愈的担忧。

医护人员面临的挑战之一是能够快速区分可用一线药物治疗的病原体和对治疗有耐药性的病原体。常规检测可能需要几天时间，需要培养细菌，对各种抗菌治疗进行测试，并由实验室技术人员或机器进行分析。这种延误通常会导致患者接受不适当的药物治疗，这可能导致更严重的后果，并可能进一步加剧耐药性。

在《自然通讯》杂志上发表的一项研究中，由剑桥大学史蒂芬贝克教授实验室的研究人员领导的团队开发了一种机器学习工具，能够从显微镜图像中识别对一线抗生素环丙沙星具有耐药性的鼠伤寒沙门氏菌——甚至无需对该细菌进行药物测试。

鼠伤寒沙门氏菌会导致胃肠道疾病，严重时甚至会引发类似伤寒的疾病，症状包括发烧、疲劳、头痛、恶心、腹痛以及便秘或腹泻。严重时甚至会危及生命。虽然感染可以用抗生素治疗，但这种细菌对许多抗生素的耐药性越来越强，使得治疗变得更加复杂。

研究小组使用高分辨率显微镜检查暴露于不断增加的环丙沙星浓度的鼠伤寒沙门氏菌分离株，并确定了区分耐药分离株和敏感分离株的五个最重要的成像特征。

然后，他们使用来自 16 个样本的图像数据训练并测试了机器学习算法来识别这些特征。