波長多重フォトイオン化検出器とAI画像解析を用いた揮発性有機化合物のリアルタイム検出による細菌種の識別

病院ケアを変えるかもしれない“におい”での菌検出

病院では治療を受けている患者が新たに感染を起こすことが絶えず問題となっており、多くは一般的な抗生物質に耐性を持つ細菌が原因です。医師は迅速にどの病原体が存在するかを知る必要がありますが、現在の検査は数日かかることが多い。本研究は、細菌の“におい”をリアルタイムで読み取り、人工知能で種を識別するという新しいアプローチを検討し、診断の高速化と患者ケアの向上を目指しています。

化学的な香りを残す菌たち

コーヒーや花、塗料がそれぞれ特徴的な匂いを放つように、細菌も独自の微量な揮発性化合物を放出します。これらは揮発性有機化合物（VOC）と呼ばれ、種ごとに成長過程で特有の混合物を放出する傾向があります。著者らは大腸菌や黄色ブドウ球菌を含む病院で問題を起こしやすい4種に注目しました。こうした化学的混合物を迅速かつ信頼して読み取れれば、細菌そのものに触れずにどの菌がいるかを示す一種の指紋として働く可能性があります。

目に見えない手がかりを嗅ぎ分ける小型センサー

これらの細菌のにおいを捉えるために、研究チームはフォトイオン化検出という技術に基づく小型デバイスを構築しました。センサー内部には4つの小さなランプが入っており、入ってくるVOCに高エネルギーの光を照射します。各ランプは異なる光エネルギーを持ち、それぞれ化学混合物のわずかに異なる部分に反応します。化学物質が光に当たると電荷を帯びた粒子が生成され弱い電流を生じます。20分間の測定で、各ランプはそのにおいの時間的変化を反映した独自の電流曲線を生成します。これら4つの曲線を合わせると、種や細菌量に固有の一種の多色パターンが形成されます。

センサー信号をAI向けの画像に変換

生の電気信号曲線は複雑で、人間の目で解釈するのは容易ではありません。そこで研究者らは曲線を画像に変換し、各線の下の領域を塗りつぶして4つのランプ信号を一つの画像に統合しました。それから、日常写真の分類を目的に事前学習された画像認識ネットワークを用い、少数ショット学習と呼ばれる戦略で本課題に適応させました。この手法は、センサー開発初期のようにサンプル数が少ない場合でも働くように設計されています。AIモデルは、異なる細菌や濃度レベルから得られる画像間の形状や強度の微妙な違いを見分けることを学びました。

システムが既に示せること

試験では、センサーはVOCパターンに基づき4種の細菌を確実に識別し、種の同定で88％を超える精度を達成しました。検出感度は非常に低く、ミリリットルあたり約100個の細胞まで検出でき、これは初期の血流感染で見られる範囲と重なり、尿路感染で通常見られるレベルより十分低い値です。システムは低汚染と高汚染の違いも識別でき、感染が重要か初期段階かを判断する手助けになる可能性があります。さらに、よりバランスの取れたデータセットを用いるとAIモデルの性能はさらに向上し、一貫したデータが方法の威力を高めることを示しました。

患者にとっての意義

この手法はまだ従来の検査に取って代わるものではありませんが、単純なにおいベースのセンサーと最新のAIを組み合わせることで、どの細菌が存在しその量がどれほどかを迅速に示すことができると示しています。装置は小型で、特殊なラベルや複雑な試料前処理を必要とせず、培養上の空気を直接読み取るため、ベッドサイドや患者近傍での使用に適応できる可能性があります。将来的には、類似のツールが病院感染に対する医師の対応を迅速化し、治療をより適切に調整し、広域スペクトル抗生物質の不用意な使用を減らすことで、患者の治療成績を改善する助けとなるかもしれません。

引用: 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

キーワード: 細菌検出, 揮発性有機化合物, フォトイオン化センサー, 人工知能, 医療関連感染症