Differenziazione delle specie batteriche tramite rilevazione in tempo reale dei composti organici volatili microbici usando un rivelatore a fotoionizzazione a lunghezze d’onda multiplexate e analisi immagine basata su AI

Perché "annusare" i germi potrebbe cambiare l’assistenza ospedaliera

Gli ospedali combattono costantemente le infezioni che i pazienti contraggono durante le cure, spesso causate da batteri resistenti agli antibiotici comuni. I medici devono sapere in fretta quale germe è presente per scegliere il farmaco giusto, ma i test attuali possono richiedere giorni. Questo studio esplora un nuovo approccio che "ascolta" l’“odore” dei batteri in tempo reale e usa l’intelligenza artificiale per distinguere le specie diverse, con l’obiettivo di velocizzare la diagnosi e migliorare l’assistenza al paziente.

I germi che lasciano un profumo chimico

Proprio come caffè, fiori o vernice sprigionano odori riconoscibili, i batteri emettono il proprio insieme di piccole sostanze chimiche volatili. Queste sono chiamate composti organici volatili, o VOC, e ogni specie tende a rilasciare una miscela particolare durante la crescita. Gli autori si sono concentrati su quattro comuni patogeni ospedalieri, inclusi E. coli e Staphylococcus aureus, che sono cause principali di infezioni urinarie, ematiche e polmonari. Se queste miscele chimiche possono essere lette in modo rapido e affidabile, potrebbero fungere da una sorta di impronta che rivela quale germe è presente senza dover manipolare direttamente i batteri.

Un sensore compatto che fiuta indizi invisibili

Per catturare questi odori batterici, il team ha costruito un piccolo dispositivo basato su una tecnologia chiamata rilevazione per fotoionizzazione. All’interno del sensore, quattro piccole lampade irradiano con luce ad alta energia i VOC in ingresso. Ciascuna lampada ha un’energia luminosa diversa, quindi reagisce preferenzialmente a una fetta leggermente distinta della miscela chimica. Quando le molecole vengono colpite dalla luce, formano particelle cariche che generano una debole corrente elettrica. In un periodo di 20 minuti, ogni lampada produce la propria curva di corrente, che riflette come l’odore batterico cambia nel tempo. Insieme, queste quattro curve formano una sorta di pattern multicolore specifico per ogni specie e per la concentrazione batterica presente.

Trasformare i segnali del sensore in immagini per l’AI

Le curve elettriche grezze sono complesse e non facili da interpretare a occhio nudo. I ricercatori hanno quindi convertito le curve in immagini, riempiendo l’area sotto ciascuna linea e combinando i quattro segnali delle lampade in un’unica immagine. Hanno poi usato una rete di riconoscimento delle immagini pre-addestrata, originariamente progettata per classificare fotografie di uso quotidiano, e l’hanno adattata a questo compito usando una strategia chiamata few-shot learning. Questo approccio è pensato per funzionare anche quando sono disponibili solo un piccolo numero di esempi, come spesso accade con un sensore nuovo. Il modello di AI ha imparato a individuare le sottili differenze di forma e intensità tra le immagini provenienti da batteri diversi e da diversi livelli di concentrazione.

Cosa il sistema è già in grado di dirci

Nei test, il sensore ha distinto in modo affidabile le quattro specie batteriche basandosi sui loro pattern di VOC, raggiungendo oltre l’88 percento di accuratezza nell’identificazione delle specie. Ha rilevato livelli batterici molto bassi, fino a circa cento cellule per millilitro, che si sovrappongono all’intervallo osservato nelle fasi iniziali di infezioni ematiche ed è ben al di sotto dei livelli tipici nelle infezioni delle vie urinarie. Il sistema ha inoltre distinto tra bassi e alti livelli di contaminazione, una capacità che potrebbe aiutare i clinici a decidere se un’infezione è significativa o ancora in fase iniziale. Quando il team ha generato un dataset più bilanciato, le prestazioni del modello AI sono ulteriormente migliorate, mostrando che dati più omogenei renderebbero il metodo ancora più potente.

Cosa questo potrebbe significare per i pazienti

Questo lavoro non sostituisce ancora i test di laboratorio standard, ma dimostra che combinare un sensore semplice basato sull’olfatto con l’AI moderna può segnalare rapidamente quali batteri sono presenti e in quale abbondanza. Poiché il dispositivo è compatto, non richiede marcatori speciali né una preparazione complessa dei campioni, e legge l’aria sopra una coltura direttamente, potrebbe essere adattato per l’uso a letto del paziente o vicino al punto di cura. In futuro, strumenti simili potrebbero aiutare i medici a reagire più rapidamente alle infezioni ospedaliere, modulare i trattamenti in modo più preciso e ridurre l’uso inutile di antibiotici ad ampio spettro, favorendo esiti migliori per i pazienti.

Citazione: 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

Parole chiave: rilevazione batterica, composti organici volatili, sensore a fotoionizzazione, intelligenza artificiale, infezioni ospedaliere