Una tubería de aprendizaje automático explicable para la predicción de la resistencia a los antimicrobianos en...

Área de la Ciencia:

• La genómica
• Biología computacional
• Aprendizaje automático

Sus antecedentes:

• La resistencia a los antimicrobianos (AMR) en Pseudomonas aeruginosa representa una amenaza significativa para la salud mundial.
• La detección tradicional de la resistencia a los antimicrobianos en el laboratorio requiere mucho tiempo y recursos.
• La secuenciación genómica ofrece una alternativa de alto rendimiento para predecir la resistencia antimicrobiana.

Objetivo del estudio:

• Desarrollar y validar una línea de aprendizaje automático para predecir la RAM en P. aeruginosa utilizando secuencias genómicas.
• Mejorar la interpretabilidad de los modelos de aprendizaje automático para la predicción de la RAM.
• Identificar las características genómicas asociadas con fenotipos específicos de resistencia.

Principales métodos:

• Se desarrolló una tubería de aprendizaje automático de dos niveles utilizando k-mers de secuencias genómicas como entrada.
• Se utilizó un modelo de árbol de decisión para la predicción del fenotipo de resistencia.
• Se utilizaron técnicas de IA explicable (XAI) para la interpretación del modelo.

Principales resultados:

• El modelo de árbol de decisión logró una precisión del 79%, un AUC del 0,77, una especificidad del 70% y una sensibilidad del 84%.
• La IA explicable identificó firmas de k-mer específicas de antibióticos vinculadas a la resistencia.
• El modelo demostró su potencial como alternativa a la detección de AMR basada en el laboratorio.

Conclusiones:

• Los modelos de aprendizaje automático, especialmente cuando son interpretables, muestran una gran promesa para predecir la resistencia antimicrobiana en P. aeruginosa.
• Las firmas genómicas de k-mer identificadas a través de XAI proporcionan información biológica sobre los mecanismos de resistencia.
• Este enfoque puede acelerar la vigilancia de la resistencia antimicrobiana e informar las estrategias de tratamiento.