具体的には今回のシステムではデータに影響する校正用微粒子を使わないことにしたとする。これは、大腸菌などが長い楕円形をしているのに対し、校正用微粒子は球体であり、両者の違いは無視できず、その後の判定で誤差が発生していたためだという。

また、2つの電極付きチャネルを並列したマイクロ流体デバイスを採用することによって、抗生物質処理を行わない試料と処理試料からの電気信号を隔離させ、それぞれの流路で同時に計測できるように設計を行ったとする。従来のマイクロ流体デバイスでは、校正用微粒子を流した後に測定したい微生物試料を流す構造のため、汚染の問題が生じていたが、それを回避するための設計だという。

これにより、機械学習プロセスに薬剤未処理の微生物の信号を直接かつ正確に提供し、電気的な特徴を抽出することで、高精度な判定基準をその場で作れるようになったとする。

  • 今回のデバイスの概略図

    今回のデバイスの概略図。並列した2つのチャネルに、それぞれ自然状態と投薬処理した微生物試料(たとえば大腸菌)を導入。機械学習で自然状態の大腸菌形態の電気的特徴が抽出され、薬剤耐性や感受性の判定基準が自動で作成される。同時に、投薬した微生物の薬剤耐性、感受性、形態の変化とその割合などの情報がリアルタイムで測定、分析、判定され、その結果が表示される (出所:NAISTプレスリリースPDF)

同時に、もう1つのチャネルで異なる薬剤の濃度条件で処理された同種の微生物に対する、薬剤感受性高いものと耐性があるものを区別する計測・分析を行うことで、先に作成された判定基準に基づいてAIが判定することによりリアルタイム分析が実現され、判定結果を表示することが可能になったとする。

実際に今回のシステムの有効性を証明することを目的に、大腸菌を用いた薬剤(抗生物質)感受性・耐性を調べる実験が行われた。大腸菌はヒトの胃腸管にコロニーとして生存しており、ヒトと共存して特定の炭水化物の分解に重要な役割を果たしているが、ベロトキシンなどの毒素を産生する病原性大腸菌もあり、抗生物質などの薬剤を投薬して治療する場合があることが知られている。

  • 従来手法と今回の手法の比較

    従来手法と今回の手法の比較。(左の赤点線枠)従来の微生物の電気インピーダンス計測手法。(右の緑点線枠)今回の手法 (出所:NAISTプレスリリースPDF)

今回は同じペニシリン濃度で、異なる時間(0時間、2時間、4時間、6時間)で処理した数万個の大腸菌の測定と分析・判定が行われ、システムの有効性が証明されたとする。結果として、処理時間が長いほど、球状に変化した大腸菌が増加し、6時間の経過で30.7%の大腸菌が応答していたという。

  • 大腸菌を用いた薬剤感受性と耐性の実験結果

    今回のシステムの有効性が示された、大腸菌を用いた薬剤感受性と耐性の実験結果 (出所:NAISTプレスリリースPDF)

研究チームでは、今回の研究により、既存の電気インピーダンス計測システムの課題がなくなるとともに、データの後処理や経験者による判定などの作業が一切不要になり、薬剤耐性・感受性評価システムの智能化、高効率化と自動化が実現されたと説明するほか、今回のシステムはサイズに限界のある光を用いる方式では得られないナノメートルからマイクロメートルサイズの微小な試料に適用可能なため、細菌以外にも各種がん細胞、ウイルスなどに対応ができるという特徴があり、診断、創薬、疾病治療の研究に加えて、生命科学研究の効率向上も期待できるとしている。