Oldenburger KI-Modell „CarbaDetector“ erkennt gefährliche Reserveantibiotika-Resistenzen zuverlässiger
Forschende der Universitätsmedizin Oldenburg haben ein KI-Modell entwickelt, das Bakterien, die gegen Reserveantibiotika (Carbapeneme) resistent sind, deutlich präziser identifiziert als herkömmliche Screening-Algorithmen. Das Modell „CarbaDetector“ produziert deutlich weniger falsch-positive Ergebnisse und könnte unnötige, teure Folgeuntersuchungen vermeiden. Die Ergebnisse wurden in „Nature Communications“ veröffentlicht. Carbapenemase-produzierende Enterobacterales (CPE) sind hochresistente Erreger, die schwere Infektionen wie Sepsis oder Lungenentzündungen auslösen können. Da sie oft auch gegen viele andere Antibiotika resistent sind, gelten sie als eine der größten Bedrohungen durch Antibiotikaresistenzen – weltweit sterben jährlich Hunderttausende daran. Aktuelle Screeningmethoden analysieren Hemmhöfe im Antibiogramm (Durchmesser der Wachstumshemmzonen um Antibiotikaplättchen). Algorithmen wie EUCAST erkennen positive Fälle fast immer, klassifizieren aber häufig negative Proben fälschlich als positiv – mit Raten von bis zu 61 Prozent. Das führt zu aufwendigen Bestätigungstests. „CarbaDetector“ analysiert dieselben Daten, liefert aber nur etwa 13 Prozent falsch-positive Ergebnisse – bei vergleichbar hoher Sensitivität.…










