文献

J-GLOBAL ID：202202261411865810   整理番号：22A0417618

感染症:臨床用MALDI-TOF質量スペクトルから機械学習を使って行う抗菌剤耐性の直接予測

Direct antimicrobial resistance prediction from clinical MALDI-TOF mass spectra using machine learning

著者 (19件)： WEIS Caroline (Dep. of Biosystems Sci. and Engineering, ETH Zurich, Basel, CHE) ,  RIECK Bastian (Dep. of Biosystems Sci. and Engineering, ETH Zurich, Basel, CHE) ,  BORGWARDT Karsten (Dep. of Biosystems Sci. and Engineering, ETH Zurich, Basel, CHE) ,  WEIS Caroline (SIB Swiss Inst. of Bioinformatics, Lausanne, CHE) ,  RIECK Bastian (SIB Swiss Inst. of Bioinformatics, Lausanne, CHE) ,  BORGWARDT Karsten (SIB Swiss Inst. of Bioinformatics, Lausanne, CHE) ,  CUENOD Aline (Applied Microbiology Res., Dep. of Biomedicine, Univ. Basel, Basel, CHE) ,  SOGAARD Kirstine K. (Applied Microbiology Res., Dep. of Biomedicine, Univ. Basel, Basel, CHE) ,  EGLI Adrian (Applied Microbiology Res., Dep. of Biomedicine, Univ. Basel, Basel, CHE) ,  CUENOD Aline (Div. of Clinical Bacteriology and Mycology, Univ. Hospital Basel, Basel, CHE) ,  SOGAARD Kirstine K. (Div. of Clinical Bacteriology and Mycology, Univ. Hospital Basel, Basel, CHE) ,  EGLI Adrian (Div. of Clinical Bacteriology and Mycology, Univ. Hospital Basel, Basel, CHE) ,  DUBUIS Olivier (Viollier AG, Allschwil, CHE) ,  LANG Claudia (Viollier AG, Allschwil, CHE) ,  GRAF Susanne (Dep. for Microbiology, Canton Hospital Basel-Land, Liestal, CHE) ,  OBERLE Michael (Inst. for Lab. Medicine, Medical Microbiology, Cantonal Hospital Aarau, Aarau, CHE) ,  BRACKMANN Maximilian (Proteomics, Bioinformatics and Toxins, Spiez Lab., Federal Office for Civil Protection, Spiez, CHE) ,  OSTHOFF Michael (Div. of Infectious Diseases and Hospital Epidemiology, Univ. Hospital Basel and Univ. Basel, Basel, CHE) ,  OSTHOFF Michael (Dep. of Internal Medicine, Univ. Hospital Basel and Univ. Basel, Basel, CHE)
資料名： Nature Medicine  (Nature Medicine)
巻： 28  号： 1  ページ： 164-174  発行年： 2022年01月 
JST資料番号： W0636A  ISSN： 1078-8956  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 効果的な抗生物質による早期の治療は,感染症の転帰と治療耐性の防止に欠かせない。最適な抗生物質による治療の選択は抗菌剤耐性試験により可能であるが,現在行われている培養ベースの技術では結果が出るまでに最長で72時間かかる場合がある。我々は,臨床分離株のマトリックス支援レーザー脱離イオン化-飛行時間型(MALDI-TOF)質量スペクトルのプロファイルから抗菌剤耐性を直接予測する,新規な機械学習法を開発した。我々は,臨床への関連性が最も高い分離株からの質量スペクトルプロファイルとそれにつながる抗菌剤感受性表現型を含む,新たに作られた公的に入手可能なデータベース上で較正されたクラシファイヤーの訓練を行った。このデータセットは,4つの医療機関からの30万を超える質量スペクトルと75万を超える抗菌剤耐性表現型を組み合わせたものである。黄色ブドウ球菌(Staphylococcus aureus),大腸菌(Escherichia coli),肺炎桿菌(Klebsiella pneumoniae)の3つを含む臨床的に重要な病原体についての評価では,受診者動作特性曲線下面積(AUROC)がそれぞれ0.80,0.74,0.74となったことで,機械学習を用いて抗菌剤耐性の決定および臨床管理の変更が大幅に加速できる可能性が実証された。さらに,63人の患者を対象とした後ろ向き臨床症例研究により,この方法を実施することで,9例で臨床治療方法が変更され,その8例(89%)で有益となる可能性が明らかになった。従って,MALDI-TOF質量スペクトルをベースとする機械学習は,治療の最適化と抗生物質管理の重要な新規手法となる可能性がある。Copyright Nature Japan KK 2022

シソーラス用語： イオン化 ,  最適化 ,  *質量スペクトル ,  脱着 ,  データベース ,  大腸菌 ,  *抗細菌薬 ,  抗生物質 ,  表現型 ,  分級機 ,  黄色ぶどう球菌 ,  *感染症 ,  医療施設 ,  *機械学習
準シソーラス用語： 分離株 , 【Automatic Indexing@JST】

分類 (3件)： 抗細菌薬の基礎研究  (GW17020S) ,  生物学的機能  (EB03040U) ,  薬物の物理化学的性質  (GV01060M)

タイトルに関連する用語 (8件)： 感染症 ,  臨床 ,  MALDI-TOF ,  質量スペクトル ,  機械学習 ,  抗菌剤 ,  耐性 ,  予測