Japonya'daki Nara Bilim ve Teknoloji Enstitüsü'ndeki bilim insanları, iyileşmeyen enfekte bir yaradan alınan bir hasta örneği gibi bir bakteri örneğinin antibiyotik duyarlılığını hızla belirlemek için bir yöntem buldular. Teknik, bakteri hücrelerinin yüksek verimli tek hücre analizini içeren empedans sitometrisine dayanmakta. Empedans sistemi, hücrelerin cihazdan akarken dielektrik özelliklerini ölçüyor ve dakikada 1000 hücreye kadar değerlendirebiliyor.
Antibiyotiklerle muamele edilmiş numuneler ile muamele edilmemiş numuneler arasındaki dielektrik özelliklerdeki farklılıkları belirlemek için makine öğrenimini kullanmak, araştırmacıların bakterilerin belirli bir antibiyotiğe duyarlılığını tedaviden iki saat sonra belirlemesine olanak tanıyor.
Antibiyotiğe dirençli bakteriler daha yaygın hale geliyor ve sağlık hizmetimiz için sonuçları zorlayıcı olacak. Rutin cerrahi prosedürler risklerle dolu hale gelebilir ve basit enfeksiyonlar, bunlarla mücadele edecek herhangi bir ilaç olmadığında daha ciddi sorunlara dönüşebilir. Ancak çok şükür henüz bu aşamada değiliz ve mevcut antibiyotik cephaneliğimizin faydasını uzatmak için hala zamanımız var. Bu bağlamda, doğru antibiyotik ilacı kullanmak, istenen tedavi sonucunu elde etmek ve ayrıca direnç gelişme olasılığını azaltmak için önemlidir.
Belirli bir hasta için sorun yaratan bakterilerin antibiyotik duyarlılığı hakkında bilgi almak mevcut yaklaşımlarla çok uzun sürebilir. Araştırmaya katılan bir araştırmacı olan Yaxiaer Yalikun, “Çoğu zaman duyarlılık sonuçlarına, geleneksel testlerin sunabileceğinden çok daha hızlı ihtiyaç duyulur. Bunu ele almak için, bu ihtiyacı karşılayabilecek bir teknoloji geliştirdik.” dedi.
Yeni teknoloji, bakterilerin dielektrik özelliklerini ölçmek için empedans sitometrisinin kullanılmasını içeriyor. Bu özellikler, bakterilerin duyarlı olduğu bir antibiyotik ile temas halinde oldukça hızlı bir şekilde değişecektir. Araştırmacılar bakteri örneğini ikiye böldü ve tedavi edilen bakterileri ve tedavi edilmeyen kontrolleri ayrı ayrı analiz etmeden önce bu örneklerden birini bir antibiyotikle tedavi etti. Ardından, bir makine öğrenme algoritması, tedavi edilmeyen bakterilerin özelliklerini öğreniyor ve tedavi edilen hücrelerde farklı bir şey olup olmadığını belirliyor.
Çalışmaya katılan diğer bir araştırmacı Yoichiroh Hosokawa, “Çalışmamızda %10'dan daha az bir yanlış tanımlama hatası olmasına rağmen, antibiyotik tedavisinin 2 saat içinde duyarlı ve dirençli hücreler arasında net bir ayrım vardı.” dedi.
Antibiyotiklerle muamele edilmiş numuneler ile muamele edilmemiş numuneler arasındaki dielektrik özelliklerdeki farklılıkları belirlemek için makine öğrenimini kullanmak, araştırmacıların bakterilerin belirli bir antibiyotiğe duyarlılığını tedaviden iki saat sonra belirlemesine olanak tanıyor.
Antibiyotiğe dirençli bakteriler daha yaygın hale geliyor ve sağlık hizmetimiz için sonuçları zorlayıcı olacak. Rutin cerrahi prosedürler risklerle dolu hale gelebilir ve basit enfeksiyonlar, bunlarla mücadele edecek herhangi bir ilaç olmadığında daha ciddi sorunlara dönüşebilir. Ancak çok şükür henüz bu aşamada değiliz ve mevcut antibiyotik cephaneliğimizin faydasını uzatmak için hala zamanımız var. Bu bağlamda, doğru antibiyotik ilacı kullanmak, istenen tedavi sonucunu elde etmek ve ayrıca direnç gelişme olasılığını azaltmak için önemlidir.
Belirli bir hasta için sorun yaratan bakterilerin antibiyotik duyarlılığı hakkında bilgi almak mevcut yaklaşımlarla çok uzun sürebilir. Araştırmaya katılan bir araştırmacı olan Yaxiaer Yalikun, “Çoğu zaman duyarlılık sonuçlarına, geleneksel testlerin sunabileceğinden çok daha hızlı ihtiyaç duyulur. Bunu ele almak için, bu ihtiyacı karşılayabilecek bir teknoloji geliştirdik.” dedi.
Yeni teknoloji, bakterilerin dielektrik özelliklerini ölçmek için empedans sitometrisinin kullanılmasını içeriyor. Bu özellikler, bakterilerin duyarlı olduğu bir antibiyotik ile temas halinde oldukça hızlı bir şekilde değişecektir. Araştırmacılar bakteri örneğini ikiye böldü ve tedavi edilen bakterileri ve tedavi edilmeyen kontrolleri ayrı ayrı analiz etmeden önce bu örneklerden birini bir antibiyotikle tedavi etti. Ardından, bir makine öğrenme algoritması, tedavi edilmeyen bakterilerin özelliklerini öğreniyor ve tedavi edilen hücrelerde farklı bir şey olup olmadığını belirliyor.
Çalışmaya katılan diğer bir araştırmacı Yoichiroh Hosokawa, “Çalışmamızda %10'dan daha az bir yanlış tanımlama hatası olmasına rağmen, antibiyotik tedavisinin 2 saat içinde duyarlı ve dirençli hücreler arasında net bir ayrım vardı.” dedi.
Bu rehber yardımcı oldu mu?
DoktorClub’da Keşfet
