CarbaDetector unterstützt Erkennung antibiotikaresistenter Bakterien

Das neue KI-Modell „CarbaDetector“ ermöglicht eine präzisere Identifikation antibiotikaresistenter Bakterien. Entwickelt wurde es von Forschenden der Universitätsmedizin Oldenburg unter der Leitung von Prof. Axel Hamprecht, Direktor des Universitätsinstituts für Medizinische Mikrobiologie und Virologie am Klinikum Oldenburg. Die Anwendung reduziert falsch-positive Ergebnisse und damit aufwendige Folgeuntersuchungen, ein Vorteil für Labore, Ärztinnen und Ärzte sowie das Gesundheitswesen.

Im Mittelpunkt steht die zuverlässige Erkennung von Bakterien, die Carbapenemasen produzieren. Diese Enzyme zerstören CarbapenemReserveantibiotika, die Ärztinnen und Ärzte nur in Ausnahmefällen einsetzen. Die damit verbundenen Carbapenemase-produzierenden Enterobacterales (CPE) verursachen Erkrankungen wie Harnwegsinfektionen, Sepsis oder Lungenentzündungen und sind häufig gegen mehrere Antibiotikaklassen resistent. Laut Weltgesundheitsorganisation sterben weltweit jährlich rund eine halbe Million Menschen an Folgen von Antibiotikaresistenzen, etwa 30.000 davon durch CPE-bedingte Infektionen.

„Gängige Screeningmethoden verursachen häufig falsch-positive Ergebnisse, die zu weiteren Untersuchungen führen, die Zeit und Geld kosten, obwohl sie eigentlich überflüssig sind“, erklärt Dr. Linea Katharina Muhsal, Erstautorin der Studie.
CarbaDetector analysiert wie andere Screeningmethoden die Hemmzonen, die durch Antibiotika auf Bakterienkulturen entstehen. Algorithmen von EUCAST oder der Französischen Gesellschaft für Mikrobiologie dienen derzeit als Standard, markieren jedoch häufig negative Proben fälschlicherweise als positiv. Das Team verglich die KI mit zwei etablierten Verfahren anhand von 800 Bakterienstämmen.
Die Ergebnisse zeigen: Positive Proben erkennt CarbaDetector ähnlich zuverlässig wie die Referenzalgorithmen, produziert jedoch deutlich weniger falsch-positive Ergebnisse, rund 13 Prozent gegenüber 27,8 bis 61 Prozent in den Vergleichsverfahren.