一种基于人工智能的产碳青霉烯酶细菌的快速鉴定方法
作者单位：华南农业大学兽医学院
会议名称：《中国畜牧兽医学会兽医药理毒理学分会第十五次学术讨论会》
会议日期：2019年
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学]
摘 要：[目的]近年来,产碳青霉烯酶的肠杆菌科细菌(Carbapenem-producing Enterobacteriace,CPE)的快速传播,成为了一个严峻的临床和公共卫生难题。目前常用的三种碳青霉烯表型筛选方法有Blue Carba试验,碳青霉烯酶失活法(CIM),基于MALDI-TOF MS技术检测碳青霉烯酶。而如今随着人工智能(Artificial Intelligence,AI)技术的飞速发展,其在生物学研究包括细菌耐药性方面辅助研究拥有一席之地。本研究旨在利用AI技术,结合Blue-Carba,建立一个快速检测产碳青霉烯酶肠杆菌的方法。[方法]碳青霉烯酶肠杆菌检测方法采用优化菌液浓度的Blue Carba方法,采用全自动酶标仪全波长扫描确定最佳检测波长;建立不同的AI模型并比较其稳定性与准确性,确定最佳AI模型;模型进行验证,简化实验方法,并上传至网络,建立网站实验数据共享。[结果]酶标仪最佳检测波长为615 nm和720nm,菌液最适浓度为OD=1.5,准确率和稳定性最好的AI模型为LSTM模型;采用105株产碳青霉烯酶肠杆菌和39株不产碳青霉烯酶肠杆菌进行测试,AI Blue-Carba可以在15min自动判别菌株是否产碳青霉烯酶,敏感性为99%,特异性为100%。[结论]结合AI技术,可以极大地缩短Blue-Carba的检测时间;建立网站实验数据共享,用户只需上传两个时间点的OD值结果即可判断菌株是否产碳青霉烯酶。