Niet alleen bij het onderzoek naar antibioticaresistentie in Madrid, maar ook in Nederland zijn er steeds meer onderzoeken én praktische toepassingen met inzet van AI. Kunstmatige intelligentie is aan een opmars bezig in de zorgsector. KI helpt onder meer bij het analyseren van oogproblemen, maar kan ook aan de vaatjes in de ogen zien of er hartproblemen dreigen. Tevens wordt KI meer en meer ingezet om de grootte van tumoren op te speuren of tumoren tijdens een operatie zichtbaar te maken. Ook worden steeds meer radiologen en specialisten ondersteund met kunstmatige intelligentie bij het analyseren van beelden.
Dynamiek antibioticaresistentie
Het onderzoek aan de Charles III Universiteit van Madrid gaat ook over KI, maar heeft weer een totaal andere invalshoek. Het gaat hier concreet om een baanbrekende studie, die de wereldwijde dynamiek van antibioticaresistentie identificeert. Dit onderzoek, onlangs gepubliceerd in het wetenschappelijke tijdschrift Nature Communications, is uitgevoerd in samenwerking met de University of Exeter, de University of Birmingham (beide in het Verenigd Koninkrijk) en het Westmead Hospital in Sydney (Australië).
Patronen ontdekken met big data
Het onderzoeksteam van de universiteit in Madrid analyseert met big data patronen van antibioticaresistentie. Doel: het vinden van trends die kunnen helpen om patiënten met een bacteriële infectie een behandeling op maat te geven. Om de resistentie van een bacterieel pathogeen tegen een antibioticum in klinische omgevingen waar te nemen, wordt een maatstaf gebruikt die MIC (Minimum Inhibitory Concentration) heet. Dit is de minimale concentratie antibioticum die de groei van bacteriën kan remmen. Hoe groter de MIC van een bacterie tegen een antibioticum, hoe groter de resistentie.
Grensverleggende AI-analyse antibioticaresistentie
Om dit onderzoek uit te voeren, heeft het onderzoeksteam op een grensverleggende wijze een database geanalyseerd die onbewerkte gegevens over antibioticaresistentie bevat. Deze database, ATLAS genaamd, wordt beheerd door Pfizer en is sinds 2018 openbaar. De werkgroep onder leiding van de onderzoekers van Madrid heeft de informatie van 600.000 patiënten uit meer dan 70 landen vergeleken en heeft machinale leermethoden (een soort KI) gebruikt om patronen te ontdekken bij het ontstaan van resistentie.
State of the art database
Door deze gegevens te analyseren, heeft het onderzoeksteam ontdekt dat er resistentie-evolutiepatronen zijn die kunnen worden gedetecteerd met behulp van de onbewerkte gegevens maar die níet kunnen worden gedetecteerd met behulp van de geaggregeerde gegevens. In het artikel in Nature Communications staat te lezen dat dit team als eerste deze vernieuwende database beschrijft . ‘Deze studie maakt het mogelijk om antibiotische behandelingen te ontwerpen die effectiever zijn in het beheersen van infecties en het afremmen van de opkomst van resistentie die veel klinische problemen veroorzaakt.’
