DB Podcast

Universität Zürich Künstliche Intelligenz erkennt antibiotikaresistente Bakterien

Verantwortliche:r Redakteur:in: Konstantin Pfliegl 2 min Lesedauer

Anbieter zum Thema

Künstliche Intelligenz interpretiert gängige Labortests: Forscher der Universität Zürich haben eine KI eingesetzt, die antibiotikaresistente Bakterien findet.

(Bild:  luchschenF / AdobeStock)
(Bild: luchschenF / AdobeStock)

Der sogenannte Kirby-Bauer-Disk-Diffusionstest zeigt Ärzten, welche Antibiotika bei einer bestimmten bakteriellen Infektion wirksam sind und welche nicht. Forscher der Universität Zürich (UZH) haben nun eine Künstliche Intelligenz eingesetzt, die antibiotikaresistente Bakterien erkennt.

Kirby-Bauer-Disk-Diffusionstest von Darmbakterien: Mit Antibiotika getränkte Papierblättchen liegen auf einer Petrischale. Die Antibiotika-Konzentration nimmt mit zunehmender Entfernung ab. Je näher Bakterien an das Testblättchen heranwachsen, desto resistenter sind sie (rote Kreise). Treffen die Gradienten zweier verschiedener Antibiotika aufeinander, kann sich ihre Wirksamkeit verstärken (gelbe Pfeile).(Bild:  UZH)
Kirby-Bauer-Disk-Diffusionstest von Darmbakterien: Mit Antibiotika getränkte Papierblättchen liegen auf einer Petrischale. Die Antibiotika-Konzentration nimmt mit zunehmender Entfernung ab. Je näher Bakterien an das Testblättchen heranwachsen, desto resistenter sind sie (rote Kreise). Treffen die Gradienten zweier verschiedener Antibiotika aufeinander, kann sich ihre Wirksamkeit verstärken (gelbe Pfeile).
(Bild: UZH)

„Antibiotikaresistenzen sind weltweit eine wachsende Bedrohung. Wir benötigen dringend schnellere und zuverlässigere Werkzeuge, um sie zu erkennen“, erklärt Adrian Egli, Professor am Institut für Medizinische Mikrobiologie an der UZH. „Unsere Forschungsarbeit ist der erste Schritt, um KI in der Routine-Diagnostik einzusetzen, damit Ärzte resistente Bakterien schneller identifizieren können.“

Basierend auf GPT-4 schufen die Wissenschaftler den „EUCAST-GPT-Experten“, der den strengen Richtlinien des EUCAST, des European Committee on Antimicrobial Susceptibility Testing, zur Interpretation von Resistenz-Mechanismen folgt. Mit den neuesten Daten und Expertenregeln ausgestattet, wurde das System an Hunderten von Bakterien getestet. Und tatsächlich: Es half, Resistenzen gegen lebenswichtige Antibiotika zu erkennen.

Der Mensch ist genauer – die KI dafür schneller

Zwar erzielte das KI-System gute Resultate bei der Erkennung bestimmter Resistenztypen, war aber nicht perfekt. Während es gut darin war, Bakterien zu erkennen, die gegen bestimmte Antibiotika resistent sind, markierte es manchmal Mikroben als resistent, obwohl sie es nicht waren. Und das könnte zu möglichen Verzögerungen bei der Behandlung führen. Im Vergleich waren menschliche Experten genauer in der Bestimmung von Resistenzen. Dennoch könnte das KI-System dabei helfen, den Diagnoseprozess zu standardisieren und zu beschleunigen.

Trotz der Einschränkungen hebt die Studie das transformative Potenzial hervor, das Künstliche Intelligenz im Gesundheitswesen hat. Durch die standardisierte Interpretation komplexer Diagnosetests könnte KI letztendlich dazu beitragen, die Variabilität und Subjektivität manueller Auswertungen zu verringern und so die Ergebnisse für die Patienten zu verbessern.

Adrian Egli betont, dass weitere Tests und Verbesserungen erforderlich seien, bevor dieses KI-Tool in Krankenhäusern eingesetzt werden könne. „Unsere Studie ist ein wichtiger erster Schritt, aber wir sind noch weit davon entfernt, menschliche Expertise zu ersetzen. Vielmehr sehen wir KI als ein ergänzendes Werkzeug, das Mikrobiologen in ihrer Arbeit unterstützen kann“.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung