Une méthode rapide et simple pour tester l'efficacité des médicaments antibactériens sur les microbes infectieux a été développée et validée par une équipe de chercheurs de Penn State.
L'infection résistante aux antimicrobiens est l'une des principales menaces pour la santé humaine dans le monde, causant 2,5 millions d'infections et 35 000 décès par an, avec le potentiel de passer à 10 millions de décès par an d'ici 2050 sans techniques améliorées de détection et de traitement.
Plusieurs techniques de test rapide ont été développées, mais elles ne sont pas à la hauteur de la fiabilité de la technologie de référence, qui nécessite 18 à 24 heures pour des résultats fiables. Dans de nombreux cas, les patients doivent être traités avec des antibiotiques en cas de crise, ce qui conduit les cliniciens à prescrire des antibiotiques à large spectre qui peuvent en fait entraîner une plus grande résistance aux médicaments ou des effets secondaires inacceptables.
Par rapport à d'autres méthodes de détection, notre méthode ne nécessite pas de systèmes et de configurations de mesure complexes. Sa simplicité et son faible coût font partie des avantages et le couplage de notre technologie à l'apprentissage automatique rend la précision de notre méthode comparable à la méthode de référence et bien meilleure que les autres méthodes rapides. «
Aida Ebrahimi, Auteur principal de l'étude et Professeur adjoint de génie électrique, Penn State
L'équipe a testé sa méthode contre trois souches de bactéries, dont une souche résistante, pour prouver son efficacité en laboratoire. Une fois développées et validées avec une gamme plus large d'agents pathogènes et d'antibiotiques, leur méthode peut permettre aux médecins de prescrire en temps opportun la dose minimale du médicament nécessaire, appelée concentration inhibitrice minimale (CMI).
Un phénomène que d'autres tests ne tiennent pas compte est que les bactéries peuvent sembler mortes au départ, mais peuvent ensuite se réveiller et se multiplier après de nombreuses heures. La technologie de l'équipe, augmentée par l'apprentissage automatique, peut prédire si les bactéries vont se relancer ou sont réellement mortes, ce qui est essentiel pour une détermination précise de la valeur MIC.
Leur technique s'appelle l'imagerie dynamique des taches laser. Zhiwen Liu, professeur de génie électrique et deuxième auteur correspondant explique la technologie: «Les principaux avantages de notre méthode sont la rapidité et la simplicité.
Vous projetez un faisceau laser sur l'échantillon et obtenez toutes ces taches de diffusion de la lumière. Nous pouvons ensuite capturer ces images et les soumettre à une analyse d'apprentissage automatique.
Nous capturons une série d'images au fil du temps, qui est la partie dynamique. Si les bactéries sont vivantes, vous allez avoir du mouvement, comme une petite vibration ou un petit mouvement. Vous pouvez obtenir rapidement des résultats fiables et prédictifs, par exemple en une heure. «
En plus des avantages immédiats apportés au patient, la concentration plus faible de médicaments entrant dans l'approvisionnement en eau se traduit par une moindre pollution de l'environnement, dit-il.
« L'un des aspects passionnants de cette recherche a été sa nature multidisciplinaire. En tant qu'ingénieur électricien, je trouve assez fascinant de travailler sur la conception et le développement d'un système de diagnostic optique ainsi que sur la réalisation d'analyses microbiologiques », a déclaré Keren Zhou, le co- premier auteur principal sur l'article et un doctorat. étudiant en génie électrique.
Son co-auteur principal, Ph.D. L'étudiant Chen Zhou, a ajouté: « Nous prévoyons de développer davantage notre technique vers une plate-forme portable et peu coûteuse, ce qui serait particulièrement bénéfique pour les environnements à ressources limitées. »
Dans ce travail, les chercheurs ont également collaboré avec Jasna Kovac, professeur adjoint de science alimentaire, pour valider leurs découvertes avec des méthodes de microbiologie de référence.
La source:
Référence du journal:
Zhou, K., et al. (2020) L'imagerie dynamique des taches laser rencontre l'apprentissage automatique pour permettre des tests rapides de sensibilité aux antibactériens (DyRAST). Capteurs ACS. doi.org/10.1021/acssensors.0c01238.
