הבחנה בין מינים חיידקיים באמצעות זיהוי בזמן אמת של תרכובות אורגניות נדיפות מיקרוביאליות בעזרת גלאי פוטואיון בריבוב אורכי גל וניתוח תמונה מבוסס בינה מלאכותית

מדוע “ריח” של עובשנים עשוי לשנות טיפול בבתי חולים

בתי חולים נלחמים ללא הפסקה בזיהומים שנרכשים במהלך הטיפול, לעיתים עקב חיידקים העמידים לאנטיביוטיקה נפוצה. רופאים זקוקים למידע מהיר לגבי הגורם הזיהומי כדי לבחור את התרופה הנכונה, אך בדיקות קיימות יכולות להימשך ימים. מחקר זה חוקר גישה חדשה שקוראת את ה"ריח" של חיידקים בזמן אמת ומשתמשת בבינה מלאכותית כדי להבחין בין מינים שונים, במטרה להאיץ אבחון ולשפר את הטיפול בחולים.

חיידקים שמשאירים טביעת ריח כימית

בדיוק כמו שלחומרי קפה, פרחים או צבע יש ריח מוכר, חיידקים פולטים תערובת של מולקולות אוויריות זעירות. אלו נקראות תרכובות אורגניות נדיפות (VOCs), וכל מין נוטה לפלוט תמהיל מסוים במהלך הגדילה. המחברים התמקדו בארבעת מטרדי בתי החולים הנפוצים, כולל E. coli ו‑Staphylococcus aureus, שהם גורמים עיקריים לזיהומים בדרכי השתן, בדם ובריאות. אם ניתן לקרוא במהירות ובאמינות את התמהילים הכימיים האלה, הם יכולים לשמש כמעין טביעת אצבע שמגלה איזה חיידק נוכח ללא מגע ישיר עם החיידקים עצמם.

חיישן קומפקטי שמוצא רמזים בלתי נראים

כדי ללכוד את ריחות החיידקים, הצוות בנה מכשיר קטן המבוסס על טכנולוגיה הנקראת גילוי פוטואיון. בתוך החיישן ארבע מנורות זעירות מקרינות אור אנרגטי גבוה על ה‑VOCs הנכנסים. לכל מנורה יש אנרגיית אור שונה, ולכן כל אחת מהן מגיבה בהעדפה לפרוסה מעט שונה של התערובת הכימית. כאשר המולקולות נחשפות לאור, הן יוצרות חלקיקים מולקלים טעונים שמייצרים זרם חשמלי חלש. במשך תקופה של 20 דקות כל מנורה מפיקה עקומת זרם משלה, המשקפת כיצד ריח החיידקים משתנה עם הזמן. יחדיו ארבעת העקומות יוצרות מעין דפוס רב‑צבעוני הספציפי לכל מין ולרמת הריכוז של החיידקים.

המרת אותות החיישן לתמונות עבור הבינה המלאכותית

עקומות הזרם הגולמיות מורכבות וקשות לפענוח בעין אנושית. לכן החוקרים המירו את העקומות לתמונות, מילאו את השטח מתחת לכל קו ושילבו את ארבעת אותות המנורות לתמונה אחת. לאחר מכן השתמשו ברשת זיהוי תמונות מאומנת מראש, שתוכננה במקור למיין צילומים יומיומיים, והתאימו אותה למשימה זו באמצעות אסטרטגיה שנקראת לימוד מועט‑דוגמאות (few‑shot learning). גישה זו מותאמת לעבודה גם כאשר זמינים רק מספר מועט של דוגמאות, מה שמקובל כאשר חיישן חדש מפותח. המודל של הבינה המלאכותית למד לזהות הבדלים עדינים בצורה ובעוצמה בין תמונות שמקורן בחיידקים שונים וברמות ריכוז שונות.

מה שהמערכת כבר יכולה לגלות

במבחנים זיהה החיישן באמינות את ארבעת המינים על פי דפוסי ה‑VOCs שלהם, והשיג דיוק של יותר מ‑88 אחוז בזיהוי המין. הוא זיהה רמות חיידקים נמוכות מאוד, עד לכ‑מאה תאים למיליליטר, טווח החופף לרמות הנצפות בזיהומי דם מוקדמים וכן נמוך משמעותית מרמות טיפוסיות בזיהומי דרכי השתן. המערכת גם הבדילה בין רמות זיהום נמוכות וגבוהות, יכולת שעשויה לסייע לקלינאים להחליט אם זיהום משמעותי או ברמת התחליות. כאשר הצוות יצר מאגר נתונים מאוזן יותר, ביצועי המודל השתפרו אף יותר, מה שמצביע על כך שנתונים עקביים נוספים יעשו את השיטה לעוצמתית עוד יותר.

מה זה עשוי להעניק לחולים

העבודה הזו אינה מחליפה עדיין בדיקות מעבדה סטנדרטיות, אך מראה ששילוב של חיישן ריח פשוט ובינה מלאכותית מודרנית יכול במהירות לסמן אילו חיידקים נוכחים ומה רמתם. מכיוון שהמכשיר קומפקטי, אינו דורש תיוגים מיוחדים או הכנת דגימות מורכבת, וקורא את האוויר מעל התרבית ישירות, ניתן להתאימו לשימוש ליד המיטה או קרוב למטופל. בעתיד כלים דומים עשויים לסייע לרופאים להגיב מהר יותר לזיהומים בבתי חולים, להתאים טיפולים בצורה מדויקת יותר ולהפחית שימוש לא נחוץ באנטיביוטיקה רחבת טווח, ובכך לתמוך בתוצאות טובות יותר עבור המטופלים.

ציטוט: Costa, S.P., Cardoso, A., Mahmoodnia, H. et al. Bacterial species differentiation via real-time detection of microbial volatile organic compounds using a wavelength multiplexed photoionization detector and AI image-based analysis. Sci Rep 16, 15924 (2026). https://doi.org/10.1038/s41598-026-46818-x

מילות מפתח: זיהוי חיידקים, תרכובות אורגניות נדיפות, חיישן פוטואיון, בינה מלאכותית, זיהומים במערכת הבריאות