传染病控制中的人工智能-临床决策支持系统:使用机器学习对抗多药耐药的Klebsiella肺炎
Ming-Jr Jian1, Tai-Han Lin1, Hsing-Yi Chung1,2
1Division of Clinical Pathology, Department of Pathology, Tri-Service General Hospital, National Defense Medical Center, Taipei City, Taiwan, Republic of China.
Infection and drug resistance
|July 15, 2024
概括
使用人工智能快速检测抗卡巴胺的Klebsiella肺炎 (CRKP). 这种AI-临床决策支持系统 (AI-CDSS) 集成了MALDI-TOF MS和机器学习,以加快CRKP和抗胆固醇抗性Klebsiella肺炎 (CoRKP) 检测的时间.
科学领域:
- 微生物学 微生物学
- 传染性疾病 传染性疾病
- 计算生物学 计算生物学
背景情况:
- 克莱布西拉肺炎 (KP) 是一个重大的全球健康威胁,耐卡巴胺的KP (CRKP) 感染导致发病率增加和医疗保健成本增加.
- 抗微生物敏感性测试 (AST) 的传统方法耗时,通常需要超过4天,延迟了KP感染患者的关键治疗决策.
- 需要更快的诊断工具至关重要,以打击耐药细菌菌株的传播,并改善患者的治疗结果.
研究的目的:
- 开发和验证人工智能临床决策支持系统 (AI-CDSS) 以快速检测耐卡巴因和耐胆固醇的Klebsiella pneumoniae菌株.
- 利用机器学习算法与矩阵辅助激光吸附/电离飞行时间质谱学 (MALDI-TOF MS) 结合,提高诊断速度和准确性.
- 与传统的AST方法相比,缩短了KP抗性的诊断时间.
主要方法:
- 用MALDI-TOF MS和Vitek-2系统对AST进行4307个KP样本的分析.
- 实施数据预处理,特征提取和机器学习模型培训,包括GridSearchCV和5倍交叉验证.
- 利用随机森林分类器,因为它在识别耐药菌株方面的歧视力.
主要成果:
- 马尔迪-托夫MS分析揭示了区分CRKP和抗胆固醇抗性KP (CoRKP) 与敏感菌株的独特光谱谱.
- 随机森林分类器实现了高准确性,在CRKP检测中,曲线下的面积 (AUC) 为0.96,在CORKP检测中为0.98.
- 与MALDI-TOF MS集成的AI-CDSS加速了大约一天的KP抗性检测.
结论:
- 在AI-CDSS中将MALDI-TOF MS与机器学习集成到AI-CDSS中,可以显著加快识别KP阻力.
- 这个AI-CDSS提供了及时的临床指导,潜在地改善了对KP感染的决策.
- 开发的系统提供了一种有前途的方法,以提高耐药KP菌株感染患者的治疗结果.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:34An Automated Culture System for Use in Preclinical Testing of Host-Directed Therapies for Tuberculosis
Published on: August 16, 2021
1.8K
