Prédire la résistance clinique aux antimicrobiens

La résistance aux antimicrobiens a été désignée comme l'une des dix principales menaces pour la santé publique mondiale par l'Organisation mondiale de la santé. Pour identifier les espèces microbiennes chez les patients infectés, les cliniciens s'appuient sur la spectrométrie de masse MALDI-TOF et sur des expériences in vitro. L'apprentissage automatique pourrait-il accélérer l'identification clinique des microbes résistants ? Découvrez la base de données créée par l'équipe à cette fin, ainsi que la nouvelle méthode permettant d'extraire encore plus d'informations des données MS. Cela devrait particulièrement intéresser les chercheurs travaillant dans le domaine de l'application d'algorithmes de prédiction phénotypique, en particulier sur des données représentées par des vecteurs, collectées dans différents domaines. La présentation est donnée par Caroline Weis, ancienne membre du groupe SIB de Karsten Borgwardt à l'ETH Zurich, et l'article discuté dans cette présentation fait également partie des Remarkable Outputs du SIB pour 2021.