ИИ определяет бактериальное роение по одному размытому изображению, открывая новые диагностические возможности

Роение — одна из основных форм подвижности бактерий, обеспечиваемая жгутиками и поверхностно-активными веществами. Оно играет важную роль как в развитии болезней, так и в процессах заживления. Например, при инфекциях мочевыводящих путей (ИМП) роящиеся бактерии могут агрессивно мигрировать по поверхностям тканей, способствуя распространению и тяжести инфекции. И наоборот, при воспалительных заболеваниях кишечника (ВЗК) было показано, что некоторые роящиеся микробы способствуют восстановлению слизистой оболочки.

Эти противоположные роли подчеркивают потенциал обнаружения роящихся бактерий как ценного биомаркера для диагностики и мониторинга различных состояний.

Хотя и роение, и плавание обеспечиваются жгутиками, это принципиально разные формы поведения. Плавание — это независимое движение отдельных бактерий в жидкой среде, тогда как роение — это скоординированное групповое движение по полутвердым поверхностям, облегчаемое поверхностно-активными веществами.

Для детального изучения этих форм поведения исследователи часто помещают крошечные круглые лунки из мягкого полимера по краям бактериальных колоний. Под оптическим микроскопом роящиеся бактерии демонстрируют один большой вихрь, циркулирующий по всей лунке. В отличие от них, плавающие бактерии создают множество небольших, неорганизованных локальных завихрений.

Традиционно для различения этих паттернов движения требуется видеозапись и визуальная оценка экспертом, что ограничивает масштабируемость и точность метода.

В недавнем исследовании под руководством профессора Айдогана Озкана из UCLA и профессора Шридхара Мани из Медицинского колледжа Альберта Эйнштейна ученые представили метод на основе глубокого обучения для автоматического обнаружения бактериального роения по одному размытому микроскопическому изображению. Статья опубликована в журнале Gut Microbes.

Этот автоматизированный подход устраняет необходимость ручного анализа видео экспертом, делая процесс быстрее и точнее. Он особенно хорошо подходит для высокопроизводительных применений и обеспечивает объективные количественные результаты.

Используя одно изображение с длинной выдержкой, которое кодирует изменяющееся во времени движение в пространственные паттерны размытия, метод устраняет необходимость в видеозаписи с высокой частотой кадров, делая его более доступным и практичным для использования в условиях ограниченных ресурсов.

Обучив модель ИИ на тысячах микроскопических изображений, соответствующих определенному штамму бактерий, команда разработала нейронную сеть, способную с высокой точностью отличать характерные паттерны движения при роении от плавания — с чувствительностью 97,44% и специфичностью 100%.

Примечательно, что классификатор не только хорошо работал на бактериальном штамме, использованном для обучения, но и эффективно обобщал результаты на совершенно другие типы бактерий без необходимости переобучения сети, сохраняя чувствительность и специфичность выше 96%.

Этот метод обнаружения бактериального роения на основе ИИ представляет собой значительный прогресс для диагностической микробиологии. Будущая работа будет сосредоточена на оценке метода в различных условиях, включая сложные среды со смешанными бактериальными популяциями.

Благодаря автоматизированному считыванию и простому аппаратному обеспечению для визуализации, этот подход также имеет большой потенциал для интеграции со смартфонными микроскопами, что позволит осуществлять портативное, оперативное и неинвазивное обнаружение роящихся бактерий.