Различение видов бактерий по обнаружению летучих органических соединений в реальном времени с помощью многодовольного фотоионизационного детектора и анализа изображений на ИИ

Почему умение «нюхать» микробы может изменить уход в больницах

Больницы постоянно борются с инфекциями, которые пациенты подхватывают во время лечения — часто вызванными бактериями, устойчивыми к распространённым антибиотикам. Врачам нужно быстро узнать, какой именно возбудитель присутствует, чтобы подобрать правильное лекарство, но существующие тесты могут занимать дни. В этом исследовании изучается новый подход, который «слушает» «запах» бактерий в реальном времени и использует искусственный интеллект для различения видов, с целью ускорить диагностику и улучшить уход за пациентами.

Микробы, оставляющие химический след

Точно так же, как кофе, цветы или краска имеют узнаваемый запах, бактерии выделяют собственную смесь летучих малых молекул. Эти вещества называют летучими органическими соединениями (ЛОС), и каждый вид обычно испускает характерный набор в процессе роста. Авторы сосредоточились на четырёх распространённых внутрибольничных возбудителях, включая E. coli и Staphylococcus aureus, которые являются главными причинами инфекций мочевых путей, крови и лёгких. Если эти химические смеси можно быстро и надёжно прочесть, они могут служить своего рода отпечатком, показывающим, какой микроб присутствует, без необходимости напрямую касаться самих бактерий.

Компактный сенсор, выискивающий невидимые подсказки

Чтобы захватить эти бактериальные «запахи», команда создала небольшое устройство на основе технологии фотоионизационного детектирования. Внутри сенсора четыре крошечных лампы освещают поступающие ЛОС энергичным светом. У каждой лампы своя энергия света, поэтому каждая из них преимущественно реагирует на немного разный срез химического состава. Когда молекулы попадают под свет, они ионизируются и образуют заряженные частицы, которые создают слабый электрический ток. В течение 20 минут каждая лампа даёт собственную кривую тока, отражающую, как «запах» бактерий меняется со временем. В совокупности эти четыре кривые образуют некую многоколорную картину, специфичную для каждого вида и для числа присутствующих бактерий.

Преобразование сигналов сенсора в изображения для ИИ

Сырые электрические кривые сложны и неочевидны для визуальной интерпретации человеком. Поэтому исследователи преобразовали кривые в изображения, заполняя площадь под каждой линией и комбинируя сигналы четырёх ламп в одну картинку. Затем они использовали предварительно обученную сеть распознавания изображений, изначально созданную для классификации обычных фотографий, и адаптировали её под эту задачу с помощью метода, называемого few‑shot learning (обучение на малом числе примеров). Этот подход рассчитан на работу даже при небольшом объёме данных, что часто случается при разработке нового сенсора. Модель ИИ научилась замечать тонкие различия формы и интенсивности между изображениями от разных бактерий и при разных уровнях концентрации.

Что система уже умеет определять

В тестах сенсор надёжно различал четыре вида бактерий по их ЛОС‑шаблонам, достигая точности более 88 процентов при идентификации видов. Он обнаруживал очень низкие уровни бактерий — до примерно сотни клеток на миллилитр, что перекрывается с диапазоном, наблюдаемым на ранних стадиях бактериемии, и значительно ниже обычных уровней при инфекциях мочевых путей. Система также различала низкую и высокую степень заражения — навык, который мог бы помочь клиницистам решить, является ли инфекция значимой или находится на ранней стадии. Когда команда сформировала более сбалансированный набор данных, производительность модели ИИ ещё улучшилась, что показывает: более равномерные данные сделают метод ещё более эффективным.

Что это может значить для пациентов

Эта работа пока не заменяет стандартные лабораторные тесты, но демонстрирует, что сочетание простого сенсора запаха и современного ИИ может быстро указать, какие бактерии присутствуют и в каком количестве. Поскольку устройство компактно, не требует специальных меток или сложной подготовки проб и считывает воздух над культурой напрямую, его можно адаптировать для использования у постели пациента или рядом с ним. В будущем похожие инструменты могут помочь врачам быстрее реагировать на внутрибольничные инфекции, точнее подбирать лечение и сократить неоправданное применение широкоспектрочных антибиотиков, способствуя лучшим исходам для пациентов.

Цитирование: 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

Ключевые слова: обнаружение бактерий, летучие органические соединения, фотоионизационный сенсор, искусственный интеллект, инфекции в здравоохранении