Różnicowanie gatunków bakterii przez wykrywanie w czasie rzeczywistym lotnych związków organicznych za pomocą wielodiodowego detektora fotojonizacyjnego i analizę obrazową AI

Dlaczego „wąchanie” zarazków może zmienić opiekę szpitalną

Szpitale nieustannie toczą walkę z zakażeniami, które pacjenci nabywają podczas leczenia, często wywołanymi przez bakterie odporne na powszechnie stosowane antybiotyki. Lekarze muszą szybko wiedzieć, jaki drobnoustrój jest obecny, by dobrać odpowiedni lek, lecz obecne testy mogą trwać dni. W tym badaniu zbadano nowe podejście polegające na „nasłuchiwaniu” zapachu bakterii w czasie rzeczywistym i wykorzystaniu sztucznej inteligencji do rozróżniania gatunków, z celem przyspieszenia diagnozy i poprawy opieki nad pacjentem.

Zarazki, które zostawiają chemiczny zapach

Tak jak kawa, kwiaty czy farba wydzielają rozpoznawalny zapach, bakterie uwalniają własną mieszankę drobnych lotnych związków chemicznych. Nazywa się je lotnymi związkami organicznymi (VOC) i każdy gatunek zwykle emituje charakterystyczne połączenie podczas wzrostu. Autorzy skupili się na czterech powszechnych sprawcach problemów szpitalnych, w tym E. coli i Staphylococcus aureus, które są głównymi przyczynami zakażeń dróg moczowych, krwi i płuc. Jeżeli te chemiczne mieszanki można szybko i wiarygodnie odczytać, mogłyby posłużyć jako rodzaj odcisku palca ujawniającego, który drobnoustrój jest obecny, bez konieczności bezpośredniego kontaktu z bakteriami.

Kompaktowy czujnik wywąchujący niewidzialne ślady

Aby wychwycić te bakteryjne zapachy, zespół zbudował małe urządzenie oparte na technologii zwanej detekcją fotojonizacyjną. Wewnątrz sensora cztery maleńkie lampy emitują wysokoenergetyczne światło na napływające VOC. Każda lampa ma inną energię światła, więc każda reaguje preferencyjnie na nieco inny fragment chemicznej mieszanki. Gdy związki są naświetlane, tworzą naładowane cząstki generujące słaby prąd elektryczny. W ciągu 20 minut każda lampa wytwarza własną krzywą prądową, odzwierciedlającą, jak zapach bakterii zmienia się w czasie. Razem te cztery krzywe tworzą rodzaj wielokolorowego wzoru specyficznego dla każdego gatunku i dla liczebności bakterii.

Przekształcanie sygnałów sensora w obrazy dla AI

Surowe krzywe elektryczne są skomplikowane i niełatwe do interpretacji gołym okiem. Naukowcy więc przekształcili krzywe w obrazy, wypełniając obszar pod każdą linią i łącząc sygnały czterech lamp w pojedynczy obraz. Następnie użyli wstępnie wytrenowanej sieci rozpoznawania obrazów, pierwotnie zaprojektowanej do klasyfikacji codziennych fotografii, i zaadaptowali ją do tego zadania przy użyciu strategii zwanej few‑shot learning. Podejście to działa nawet przy niewielkiej liczbie przykładów, co często ma miejsce przy nowym sensorze. Model AI nauczył się wychwytywać subtelne różnice w kształcie i intensywności między obrazami pochodzącymi od różnych bakterii i przy różnych poziomach stężenia.

Co system potrafi już teraz rozpoznać

W testach sensor niezawodnie rozróżniał cztery gatunki bakterii na podstawie ich wzorców VOC, osiągając ponad 88 procent skuteczności w identyfikacji gatunku. Wykrywał bardzo niskie poziomy bakterii, sięgające około stu komórek na mililitr, co pokrywa się z zakresem obserwowanym we wczesnych zakażeniach krwi i jest znacznie poniżej typowych poziomów spotykanych przy zakażeniach dróg moczowych. System odróżniał także niskie i wysokie poziomy zanieczyszczenia, co mogłoby pomóc klinicystom zdecydować, czy zakażenie jest istotne, czy nadal we wczesnym stadium. Gdy zespół wygenerował bardziej zbalansowany zbiór danych, wydajność modelu AI poprawiła się, co pokazuje, że bardziej spójne dane uczyniłyby metodę jeszcze skuteczniejszą.

Co to może znaczyć dla pacjentów

Ta praca jeszcze nie zastępuje standardowych badań laboratoryjnych, ale pokazuje, że połączenie prostego sensora opartego na zapachu z nowoczesną AI może szybko wskazać, które bakterie są obecne i jaka jest ich obfitość. Ponieważ urządzenie jest kompaktowe, nie wymaga specjalnych znaczników ani skomplikowanej przygotowywania próbki, i odczytuje powietrze nad hodowlą bezpośrednio, można je dostosować do zastosowań przy łóżku pacjenta lub blisko pacjenta. W przyszłości podobne narzędzia mogą pomóc lekarzom reagować szybciej na zakażenia szpitalne, precyzyjniej dobierać leczenie i ograniczać niepotrzebne stosowanie antybiotyków o szerokim spektrum, wspierając lepsze wyniki leczenia pacjentów.

Cytowanie: 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

Słowa kluczowe: wykrywanie bakterii, lotne związki organiczne, detektor fotojonizacyjny, sztuczna inteligencja, zakażenia w opiece zdrowotnej