機器學習工具走進醫療：實時檢測新型細菌危險性，控制預防疾病爆發

AiTechYun

編輯：chux

一種新型機器學習工具可用於檢測新出現的細菌菌株沙門氏菌：比起食物中毒，它是否更有可能導致危險的血液感染。該工具由Wellcome Sanger研究所的科學家、紐西蘭奧塔哥大學的合作者、基於RNA的感染研究的德國Helmholtz感染研究中心開發，加快了確定新型侵入性沙門氏菌基因變化過程，這也是公眾健康方面值得關注的問題。

PLOS遺傳學報告中指出，機器學習工具可以在危險細菌爆發之前進行標記，範圍可從醫院病房擴展到全球。

然而，以當前的方法，確定爆發後新出現細菌菌株遺傳適應性非常耗時，並且通常需要手動將新菌種與過去的菌種進行比較。

沙門氏菌群包括許多不同的類型，引起疾病的嚴重程度不同。有些類型會導致食物中毒，稱為胃腸道沙門氏菌，而另一些會擴散到腸道外導致嚴重疾病，例如導致傷寒的傷寒沙門氏菌（Salmonella Typhi）。

為了確定新出現的腸道沙門氏菌菌株究竟會導致食物中毒還是更嚴重的感染，研究人員建立了一個機器學習模型，分析哪些突變會在其中起重要作用。

小組使用古老的沙門氏菌譜系訓練了這一模型，這些譜系在進化上表現不同，其中包括六種引起侵入性感染的沙門氏菌，以及七種胃腸道細菌菌株。機器學習模型辨認了將近200個基因，用於確定細菌是否會引起食物中毒或更好地適應侵入性感染。

來自Wellcome Sanger研究所，這篇論文主要作者Nicole Wheeler博士表示，「我們設計了一種新的機器學習模型，可以識別哪些新出現的細菌菌株可能成為公眾健康的威脅。使用這個工具，我們可以處理大量的數據集並在幾秒鐘內獲得結果，最終這項工作將對我們之前無法檢測的危險細菌產生重大影響。」

當使用撒哈拉以南非洲地區目前出現的沙門氏菌菌株做檢測時，該工具正確地辨別了兩種類型的流行性感染（腸炎沙門氏菌和鼠傷寒沙門氏菌），它們更加危險且與更多的血液感染病例相關。

這些感染在免疫系統功能弱的人群中尤為嚴重，如HIV感染者。機器學習工具揭示了使沙門氏菌菌株適應宿主並變得更具侵入性的遺傳變化。

Lars Barquist博士認為，「與其他方法相比，機器學習工具相當實用，因為它不僅可以搜索基因和突變，並尋找這些問題中的功能性影響突變，它還可以告訴我們哪些突變會使病原體更好地擴散到腸道外，且導致威脅生命的疾病而非食物中毒，這些功能將有助於設計更有效的治療方法。」

利物浦熱帶醫學院的Nicholas Feasey博士表示，「我們已經在使用這種方法來尋找亞洲與非洲流行的沙門氏菌傷寒菌株的主要區別，而無需手動比較不同菌株的基因組，而且用不上幾周或幾個月，在幾秒鐘內就可以發現新出現的細菌菌株背後的遺傳變化，它提供了實時研究疾病的潛力，可迅速提出公共衛生策略來控制或預防疾病。」

機器學習工具可以產生基於隨機森林模型的侵入力指數，不僅限於沙門氏菌，還可用於研究其他因素，如各種細菌中出現的抗生素耐藥性。它還可以在細菌菌株爆發擴散之前進行實時識別。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！