Là một vấn đề sức khỏe toàn cầu và ngày càng gia tăng, tình trạng kháng thuốc đang khiến cho nhiều bệnh nhiễm trùng trở nên khó điều trị hơn. Tình trạng đáng báo động này thậm chí còn làm dấy lên nỗi lo ngại một số bệnh nhiễm trùng sẽ không thể điều trị được trong tương lai gần.
Và một trong những thách thức mà các nhân viên y tế phải đối mặt là làm thế nào để phân biệt nhanh chóng các sinh vật kháng thuốc và các sinh vật có thể được điều trị bằng liệu pháp điều trị đầu tiên. Phương pháp xét nghiệm thông thường có thể mất vài ngày và đòi hỏi phải nuôi cấy vi khuẩn, thử nghiệm với nhiều phương pháp điều trị kháng khuẩn khác nhau cũng như cần phải được kỹ thuật viên phòng thí nghiệm hoặc máy phân tích. Sự chậm trễ này thường dẫn đến việc bệnh nhân được điều trị bằng một loại thuốc không phù hợp, khiến tình trạng bệnh có thể tồi tệ hơn và có khả năng khiến người bệnh kháng thuốc nhiều hơn nữa.
Trong nghiên cứu “
Combining machine learning with high-content imaging to infer ciprofloxacin susceptibility in isolates of Salmonella Typhimurium” được công bố gần đây trên tạp chí
Nature Communications, TS. Trần Tuấn Anh và các nhà nghiên cứu làm việc tại Phòng thí nghiệm của GS. Stephen Baker thuộc Đại học Cambridge và các nhà nghiên cứu khác đã phát triển một công cụ học máy có khả năng sử dụng hình ảnh kính hiển vi để xác định vi khuẩn
Salmonella Typhimurium kháng thuốc kháng sinh ciprofloxacin - ngay cả khi không thử nghiệm vi khuẩn với thuốc.
S. Typhimurium là vi khuẩn thường gây ra bệnh đường tiêu hóa và bệnh giống thương hàn trong những trường hợp nghiêm trọng, với các triệu chứng bao gồm sốt, mệt mỏi, đau đầu, buồn nôn, đau bụng, táo bón hoặc tiêu chảy. Trong những trường hợp nghiêm trọng, vi khuẩn này còn có thể đe dọa tính mạng của người mắc. Mặc dù các bệnh nhiễm trùng có thể được điều trị bằng thuốc kháng sinh, do vi khuẩn ngày càng kháng với nhiều loại thuốc kháng sinh hiện có, việc điều trị bệnh cũng ngày càng trở nên phức tạp hơn.
Trước bài toán này, nhóm nghiên cứu đã sử dụng kính hiển vi có độ phân giải cao để kiểm tra các mẫu
S. Typhimurium tiếp xúc với nồng độ ciprofloxacin ngày càng tăng và xác định năm đặc điểm hình ảnh quan trọng nhất để phân biệt giữa các mẫu kháng thuốc và mẫu nhạy cảm.
TS. Trần Tuấn Anh nhận bằng cử nhân Toán học và Khoa học Máy tính tại trường Đại học Khoa học Tự Nhiên (ĐHQGHCM). Sau khi nhận bằng Thạc sĩ Liên kết Erasmus về Nano phân tử và Quang sinh học tại trường École Normale Supérieure Paris-Saclay (Pháp) vào năm 2018, anh tiếp tục nhận bằng tiến sỹ tại Đại học Oxford (Anh) vào năm 2023.
Các hướng nghiên cứu mà anh theo đuổi bao gồm sinh học tính toán, tin sinh học, tin hóa học, hóa học tính toán và hỗ trợ máy tính để sàng lọc và thiết kế vật liệu. Bên cạnh đó, sàng lọc nội hàm cao (high-content screening) và thông lượng cao để phát triển các liệu pháp mới cũng là hướng nghiên cứu mà TS. Trần Tuấn Anh quan tâm.
|
Sau đó, TS. Trần Tuấn Anh và các đồng nghiệp đào tạo và thử nghiệm thuật toán học máy để nhận dạng các đặc điểm này bằng cách sử dụng dữ liệu hình ảnh từ 16 mẫu.
Kết quả cho thấy, thuật toán có thể dự đoán chính xác trong từng trường hợp liệu vi khuẩn nhạy cảm hay kháng với thuốc ciprofloxacin mà không cần phải cho vi khuẩn tiếp xúc với thuốc. Với phương pháp mới, nhóm nghiên cứu thu được kết quả với mẫu phân lập được nuôi cấy chỉ trong sáu giờ, trong khi thông thường phải mất 24 giờ để nuôi cấy mẫu có sự hiện diện của kháng sinh.
TS. Trần Tuấn Anh - từng là nghiên cứu sinh tiến sĩ tại Đại học Oxford và hiện đang làm việc tại Đại học Cambridge -
cho biết, “Vi khuẩn
S. Typhimurium kháng ciprofloxacin có một số điểm khác biệt đáng chú ý so với những vi khuẩn vẫn nhạy cảm với loại kháng sinh này. Mặc dù một chuyên gia bình thường có thể xác định được một số điểm này, nhưng chỉ riêng chúng thì không đủ để phân biệt một cách chắc chắn giữa vi khuẩn kháng thuốc và vi khuẩn nhạy cảm”.
“Điểm tuyệt vời của mô hình máy học là nó có thể xác định vi khuẩn kháng thuốc dựa trên một vài đặc điểm rất nhỏ trên hình ảnh kính hiển vi mà mắt người không thể phát hiện được”, TS. Trần Tuấn Anh cho hay.
Để sử dụng phương pháp này phân tích mẫu, nhóm nghiên cứu vẫn cần phải phân lập vi khuẩn từ một mẫu nào đó, chẳng hạn như mẫu máu, nước tiểu hoặc phân. Tuy nhiên, vì vi khuẩn không cần phải được thử nghiệm với ciprofloxacin, toàn bộ quá trình phân tích có thể được rút ngắn từ vài ngày xuống còn vài giờ.
Dù phương pháp mới còn có những hạn chế về tính thực tế và hiệu quả về mặt chi phí, nhóm nghiên cứu cho biết về nguyên tắc, cách tiếp cận mới đã chứng minh được sức mạnh của trí tuệ nhân tạo trong việc hỗ trợ chống lại tình trạng kháng thuốc kháng sinh .
TS. Sushmita Sridhar - người khởi xướng dự án này khi còn là nghiên cứu sinh tiến sĩ tại Khoa Y, Đại học Cambridge và hiện là nghiên cứu sinh sau tiến sĩ tại Đại học New Mexico và Trường Y tế Công cộng Harvard - cho biết: “Do phương pháp này sử dụng hình ảnh phân giải tế bào đơn lẻ nên đây vẫn chưa phải là giải pháp có thể triển khai dễ dàng ở mọi nơi”.
“Tuy nhiên, kỹ thuật mới cho thấy triển vọng: chỉ cần nắm bắt một vài thông số về hình dạng và cấu trúc của vi khuẩn, chúng ta có thể có đủ thông tin để dự đoán khả năng kháng thuốc một cách tương đối dễ dàng”.
Hiện tại, TS. Trần Tuấn Anh và các đồng nghiệp đang đặt mục tiêu nghiên cứu trên các bộ vi khuẩn lớn hơn để tạo ra một bộ thử nghiệm vững chắc hơn, có khả năng đẩy nhanh quá trình nhận dạng và xác định khả năng kháng ciprofloxacin và các loại kháng sinh khác ở một số loài vi khuẩn khác nhau.
“Điều thực sự quan trọng, đặc biệt là trong bối cảnh lâm sàng, là làm thế nào để có thể lấy một mẫu phức tạp - chẳng hạn như máu hoặc nước tiểu hoặc đờm - và xác định khả năng mắc bệnh và khả năng kháng thuốc trực tiếp từ đó. Vấn đề này phức tạp hơn nhiều và thực sự chưa được giải quyết, ngay cả trong chẩn đoán lâm sàng tại bệnh viện”, TS. Sridhar nói thêm. “Nếu có thể tìm ra cách thực hiện điều này, chúng ta có thể giảm thời gian xác định tình trạng kháng thuốc với chi phí thấp hơn rất nhiều - một kết quả đầy triển vọng”.
Nguồn: cam.ac.uk, ndm.ox.ac.uk,
uk.linkedin.com