優先的な腸内細菌性病原体が示す抗菌薬耐性と人と動物の健康へのリスクの評価への人工知能の応用

Application of artificial intelligence to the assessment of antimicrobial resistance and risks to human and animal health presented by priority enteric bacterial pathogens.

• Rylan Steinkey
• Janice Moat
• Victor Gannon
• Athanasios Zovoilis
• Chad Laing

抄録

毎年、カナダ人の約 8 人に 1 人が、アウトブレイクまたは散発的な病気を通じて食中毒の影響を受けており、動物が病原体の主要な貯蔵庫となっている。全ゲノム配列解析は、疫学的な疾患クラスターを定義し、潜在的な感染源を特定するために、現在、公衆衛生研究所や動物衛生研究所で日常的に実施されています。同様に、多くのバイオインフォマティクスツールを使用して、病原菌株のゲノム中の病原性および抗菌薬耐性（AMR）の決定因子を特定することができます。これらの病原体の多くの重要な臨床的および表現型特性は、現在、全ゲノム配列データに適用された機械学習アルゴリズムを用いて予測できるようになっている。この概要では、サポートベクターマシン、勾配ブースト決定木、人工ニューラルネットワークの能力を比較して、病原菌と拡張スペクトルβ-ラクタマーゼ（ESBL）産生株内のAMRレベルを予測した。我々は、13種類の抗菌薬の菌株に対する最小阻害濃度（MIC）を正確に決定し、ESBL産生菌株を7種類の抗菌薬のそれぞれについて感受性、中間、耐性のいずれかに正確に分類できることを示した。人の健康に最大のリスクを持つ AMR と細菌集団に加えて、人工知能アルゴリズムは、腸内病原体の他の臨床的および疫学的に重要な表現型を予測するツールとして期待されています。

Each year, approximately one in eight Canadians are affected by foodborne illness, either through outbreaks or sporadic illness, with animals being the major reservoir for the pathogens. Whole genome sequence analyses are now routinely implemented by public and animal health laboratories to define epidemiological disease clusters and to identify potential sources of infection. Similarly, a number of bioinformatics tools can be used to identify virulence and antimicrobial resistance (AMR) determinants in the genomes of pathogenic strains. Many important clinical and phenotypic characteristics of these pathogens can now be predicted using machine learning algorithms applied to whole genome sequence data. In this overview, we compare the ability of support vector machines, gradient-boosted decision trees and artificial neural networks to predict the levels of AMR within and extended-spectrum β-lactamase (ESBL) producing . We show that minimum inhibitory concentrations (MIC) for each of 13 antimicrobials for strains can be accurately determined, and that ESBL-producing strains can be accurately classified as susceptible, intermediate or resistant for each of seven antimicrobials. In addition to AMR and bacterial populations of greatest risk to human health, artificial intelligence algorithms hold promise as tools to predict other clinically and epidemiologically important phenotypes of enteric pathogens.