市民科学が抗生物質耐性に挑む
ボランティアたちは、抗生物質耐性と戦うためにユニークなプロジェクトを通じてバクテリアを分類する手助けをしている。
― 1 分で読む
抗生物質耐性は、全世界で増えている大きな健康問題だよ。これは、バイ菌が変化して、それを殺すための薬に対して抵抗力を持つようになることが原因なんだ。これによって、感染症が治療しにくくなる。科学者たちは、この問題に対処するために、バイ菌をすぐに特定して抗生物質に抵抗できるかを調べる新しい方法を開発しようとしてる。迅速なテストがあれば、医者はどの抗生物質が最適かを判断できて、患者のケアが改善されるんだ。
現在のバイ菌のテストは、通常時間がかかって、12時間から48時間は必要だよ。これらのテストは、ラボでバイ菌を育てることが多くて、手間がかかる。一部の早いテストは、抵抗を示す特定の遺伝子を探すけど、バイ菌が実際にどう振る舞うかとは必ずしも一致しない。抗生物質耐性の問題は、一般的な抗生物質が効かなくなって、感染症をもっと危険にする可能性があるから心配なんだ。残念ながら、多くの人が抗生物質の働きや抵抗の影響を完全には理解してないんだ。
市民科学の役割
市民が科学に参加する面白い方法の一つは、市民科学プロジェクトを通じて、ボランティアが研究者と一緒にデータを集めて分析することなんだ。これらのプロジェクトは、エコロジーや生物学などの様々な分野で価値があるんだ。異なるスキルレベルの人々が、科学に貢献しながら科学的なトピックについてもっと学ぶことができるんだ。
市民科学に関わるプロジェクトは、多くのデータを集めたり、重要な問題に関する意識を高めたり、未来の世代に刺激を与えたりするのに成功してる。よく知られた例には、バードカウントプロジェクトや鳥を識別するためのアプリがあるよ。これらの取り組みは人々をつなげて、社会に役立つ研究に参加することを奨励してるんだ。
研究に公衆を巻き込む
市民科学に公衆を巻き込むために、研究者は幾つかの戦略を使えるよ。イベントを開催したり、ソーシャルメディアを利用したり、学校と協力したり、教育リソースを提供したりすることで、もっと多くの人々を巻き込むことができるんだ。でも、これらのアプローチはしばしば限られた人数にしか届かないことが多いんだ。
Zooniverseのようなオンラインプラットフォームは、多くの人が様々な市民科学プロジェクトに参加する手助けをしているよ。Zooniverseは、ユーザーが簡単に研究に参加したり、科学について学んだり、他の参加者とつながったりできるようになってるんだ。
感染検査プロジェクト
感染検査というプロジェクトがZooniverseで立ち上がって、抗生物質耐性の問題に取り組んでいるんだ。このプロジェクトは、ボランティアが大腸菌の画像を分類するのを手助けすることに焦点を当てていて、これは一般的な抗生物質であるシプロフロキサシンに耐性がある場合があるんだ。ボランティアは、画像の中のバイ菌がこの抗生物質に抵抗力があるか敏感かを判断するために取り組んでいるんだ。
プロジェクトでは、シプロフロキサシンで処理された大腸菌の画像を使用していて、研究者たちはこれらの細胞を分類するモデルを以前に開発して、高い精度を達成していたよ。でも、彼らは方法を改善したり、抗生物質耐性について公衆に教育したりしたいと考えていたんだ。
プロジェクトの進め方
まず、ボランティアは抵抗性のある大腸菌細胞と敏感な細胞の違いを認識するためのトレーニングを受けたよ。トレーニングの後、彼らは学んだことに基づいて画像を分類したんだ。その結果は、研究者が分類モデルを改善する方法を理解するのに役立ち、なぜ一部の細胞が誤分類されたのかを知る手助けになったんだ。
プロジェクトは、かなりの数の画像を集めて、ユーザーが時間をかけてこれらの画像を分類できるようにしたよ。プロジェクトの間に、多くの人が参加して、大量のデータに貢献したんだ。ボランティアはプロジェクトの期間中に100万枚以上の画像を分類したよ。
分類精度の理解
プロジェクトは、ボランティアがバイ菌の画像をどれだけ正確に識別できたかを調べたんだ。全体のデータを見ると、ボランティアは敏感な細胞に対して約66%、抵抗性のある細胞に対して67%の分類精度を持っていたよ。中には、画像を分類するのがとても上手なボランティアもいたけど、他の人たちは多くの画像を分類しても精度が向上しなかったんだ。
研究者はまた、特定の画像が分類しやすかったり難しかったりすることに気づいたよ。いくつかのバイ菌細胞は、抵抗性か敏感かを示す明確な特徴を持っていたけど、他のものは特徴が重なっていて、分類が難しかったんだ。
分類に影響を与える特徴
研究者たちは、なぜ一部の画像が他の画像よりも誤分類されることが多いのかを評価したよ。彼らは、バイ菌が抗生物質に対してどう反応するかに大きな役割を果たすDNAに関連する特徴に焦点を当てたんだ。彼らは、DNAの領域の数や全体のサイズなど、細胞のさまざまな属性を測定したんだ。
分析の結果、もっと独特な特徴を持つ画像は誤分類されにくいことが分かったよ。一方で、互いに似ている画像はしばしば混同されて、これらの細胞を特定する難しさを浮き彫りにしたんだ。
市民科学の重要性
感染検査プロジェクトは、市民科学が公衆を科学研究に関与させる可能性を示したんだ。多くのボランティアを集めて、協力して重要な健康問題に取り組むことができたんだ。このプロジェクトは、貴重なデータを集めるだけでなく、個々を科学と教育に積極的に関与させることにも成功したんだ。
ボランティアに依存したり、特定の抗生物質に焦点を当てたりするといういくつかの制限はあったものの、プロジェクトの成功は市民科学がどれだけ効果的に機能するかを示しているんだ。公衆が抗生物質耐性を理解する役割を果たす機会を提供して、この分野で行われている研究に貢献できたんだ。
今後の方向性
これからも市民科学は、抗生物質耐性や他の世界的な健康問題において研究に影響を与え続けることができるよ。未来のプロジェクトは、より広範な抗生物質や治療条件を含むように拡大できるかもしれない。研究者はトレーニング資料を改善し、ボランティアに彼らの作業の背後にある科学について教育することに焦点を当てられるんだ。
さらに、ボランティアに彼らが分析しているデータについて批判的に考えるよう促すことで、より興味深いプロジェクトに繋がる可能性があるよ。これには、細胞の成長段階やこれらの細胞が異なる条件にどう反応するかを考慮するように頼むことが含まれるかもしれない。
結論
まとめると、感染検査プロジェクトは市民科学が公衆を重要な研究に効果的に関与させる方法を示しているんだ。ボランティアと研究者が協力することで、科学的理解を進め、抗生物質耐性のような緊急の健康問題に取り組むことができるんだ。市民科学者とプロフェッショナルのコラボレーションは、科学的事項への意識を高めるだけでなく、公衆衛生を維持するための私たち全員の責任も強調するんだ。こうしたプロジェクトは、バイオメディカル研究の分野での将来の探求とコラボレーションのための重要な機会を提供しているんだ。
タイトル: Infection Inspection: Using the power of citizen science to help with image-based prediction of antibiotic resistance in Escherichia coli
概要: Antibiotic resistance is an urgent global health challenge, necessitating rapid diagnostic tools to combat its escalating threat. This study introduces innovative approaches for expedited bacterial antimicrobial resistance profiling, addressing the critical need for swift clinical responses. Between February and April 2023, we conducted the Infection Inspection project, a citizen science initiative in which the public could participate in advancing an antimicrobial susceptibility testing method based on single-cell images of cellular phenotypes in response to ciprofloxacin exposure. A total of 5,273 users participated, classifying 1,045,199 images. Notably, aggregated user accuracy in image classification reached 66.8%, lower than our deep learning models performance at 75.3%, but accuracy increased for both users and the model when ciprofloxacin treatment was greater than a strains own minimum inhibitory concentration. We used the users classifications to elucidate which visual features influence classification decisions, most importantly the degree of DNA compaction and heterogeneity. We paired our classification data with an image feature analysis which showed that most of the incorrect classifications were due to cellular features that varied from the expected response. This understanding informs ongoing efforts to enhance the robustness of our deep learning-based bacterial classifier and diagnostic methodology. Our successful engagement with the public through citizen science is another demonstration of the potential for collaborative efforts in scientific research, specifically increasing public awareness and advocacy on the pressing issue of antibiotic resistance, and empowering individuals to actively contribute to the development of novel diagnostics. Lay summaryAntibiotic resistance is a big health problem worldwide. We need fast ways to find out if bacteria are resistant to antibiotics. In our study, we develop new methods to do this quickly. We ran an online project called Infection Inspection from February to April 2023, in which 5,273 people took part. Together, they classified more than a million pictures of bacterial cells, helping our project use these pictures to detect antibiotic resistance. The volunteers performed well, getting near 67% of the answers right. We also learned which pictures helped or confused them. This will help us make our computer program better. This project didnt just help science; it also taught people about antibiotic resistance. Partnerships between the public and scientists can make a difference to developing technologies that protect our health.
著者: Nicole Stoesser, A. Farrar, C. Feehily, P. Turner, A. Zagajewski, S. Chatzimichail, D. Crook, M. Andersson, S. Oakley, L. Barrett, H. El Sayyed, P. W. Fowler, C. Nellaker, A. N. Kapanidis
最終更新: 2023-12-11 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2023.12.11.23299807
ソースPDF: https://www.medrxiv.org/content/10.1101/2023.12.11.23299807.full.pdf
ライセンス: https://creativecommons.org/licenses/by-nc/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。