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.
Quelle: Axel Hamprecht
Copyright: Universität Oldenburg / Axel Hamprecht
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. Getestet an zwei Datensätzen mit insgesamt 800 Stämmen übertraf die KI beide etablierten Algorithmen deutlich.
„Damit sparen Labore Zeit und Kosten, und die Patienten erhalten schneller eine korrekte Diagnose“, erklärt Prof. Dr. Axel Hamprecht, Leiter des Instituts für Medizinische Mikrobiologie und Virologie. Das Modell ist als Open-Source-Tool kostenfrei verfügbar und soll besonders Laboren in ressourcenschwachen Regionen helfen. Weiterentwicklungen sind geplant.
Originalpublikation:
Linea Katharina Muhsal et al.: „CarbaDetector: a machine learning model for detecting carbapenemase-producing Enterobacterales from disk diffusion tests”, nature communications, 14. November 2025, DOI: https://doi.org/10.1038/s41467-025-66183-z
