利用機器學習根據質譜資料建立細菌株快速藥敏預測與自動化分析平台(2/3)

專案詳細資料

Description

藥敏檢驗為體外測試微生物對於藥物的反應(「具抗藥性」或「不具抗藥性」),以提供臨床醫師抗生素使用之指引。傳統微生物檢驗的方法確認細菌之藥敏反應需要數天之時間,導致無法於第一時間給予最正確之給藥。相對,快速藥敏主要目標為即早並正確給藥,進而達到減低死亡率、避免抗藥性,以及縮短住院天數之效益。近年來,基質輔助激光解吸電離-飛行時間質譜(MALDI-TOF MS)已被廣泛應用於臨床微生物檢驗,經由不同菌種之質譜些微差異,即可得到高度準確性之菌種辨認。然而,現行方法尚無法根據質譜之些微差異,以高精準度地預測抗藥性。本計畫之目的為利用質譜資料建立模型,以預測細菌之藥敏反應。其中,此計畫之資料為林口長庚醫院檢驗醫學科多年來蒐集臨床之細菌質譜與其藥敏反應結果,本計畫首先建立一資料庫系統儲存質譜與藥敏資料,再經由機器學習與適當之特徵挑選方法建立藥敏反應模型。最後將進一步尋找關鍵峰值特徵,進行更進一步的微生物實驗找尋對應之蛋白質片段,以探究產生抗藥之原因,提供製藥之參考。最後,將應用於實際臨床醫學場域,提供最即時之預測以即早正確給藥。
狀態已完成
有效的開始/結束日期1/08/2031/07/21

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 3 - 良好的健康和福祉

Keywords

  • 藥敏檢驗
  • 基質輔助激光解吸電離-飛行時間質譜
  • 機器學習
  • 多重抗藥性

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。