Le malattie trasmesse dall'acqua colpiscono più di 2 miliardi di persone in tutto il mondo, causando un notevole onere economico. Per esempio, il trattamento delle malattie trasmesse dall'acqua costa più di $ 2 miliardi all'anno solo negli Stati Uniti, con 90 milioni di casi registrati all'anno. Tra i problemi legati ai patogeni trasportati dall'acqua, uno dei più comuni problemi di salute pubblica è la presenza di batteri coliformi totali e Escherichia coli ( E. coli ) nell'acqua potabile, che indica contaminazione fecale. I metodi tradizionali di rilevamento dei batteri basati sulla coltura richiedono spesso 24-48 ore, seguito da ispezione visiva e conteggio delle colonie da parte di un esperto, secondo le linee guida dell'Agenzia per la protezione dell'ambiente (EPA) degli Stati Uniti. In alternativa, metodi di rilevazione molecolare basati su, Per esempio, l'amplificazione degli acidi nucleici, può ridurre il tempo di rilevamento a poche ore, ma generalmente mancano della sensibilità per rilevare i batteri a concentrazioni molto basse, e non sono in grado di distinguere tra microrganismi vivi e morti. Per di più, non esiste un metodo basato sull'acido nucleico approvato dall'EPA per rilevare i batteri coliformi nei campioni di acqua.

Perciò, c'è un urgente bisogno di un metodo automatizzato in grado di ottenere un rilevamento rapido e ad alto rendimento di colonie batteriche con un'elevata sensibilità per fornire una potente alternativa ai metodi standard approvati dall'EPA attualmente disponibili che richiedono almeno 24 ore e richiedono un esperto per conteggio delle colonie.

In un nuovo articolo pubblicato su Luce:scienza e applicazioni , un team di scienziati, guidato dal Professor Aydogan Ozcan del Dipartimento di Ingegneria Elettrica e Informatica dell'Università della California, Los Angeles (UCLA), NOI., e i colleghi hanno sviluppato un sistema di imaging intelligente basato sull'intelligenza artificiale per il rilevamento precoce e la classificazione di batteri vivi nei campioni di acqua. Basato sull'olografia, hanno progettato un sistema di imaging altamente sensibile e ad alto rendimento, che cattura continuamente immagini microscopiche di un'intera piastra di coltura, dove crescono i batteri, per rilevare rapidamente la crescita delle colonie analizzando queste immagini time-lapse con una rete neurale profonda. Dopo il rilevamento di ogni crescita della colonia, una seconda rete neurale viene utilizzata per classificare il tipo di batteri.

L'efficacia di questa piattaforma unica è stata dimostrata eseguendo la diagnosi precoce e la classificazione di tre tipi di batteri, cioè., E. coli , Klebsiella aerogenes ( K. aerogenes ), e Klebsiella pneumoniae ( K. pneumoniae ), e i ricercatori dell'UCLA hanno raggiunto un limite di rilevamento di 1 batterio formante colonia per 1 litro di campione d'acqua in meno di 9 ore di tempo totale del test, dimostrando un risparmio di tempo di oltre 12 ore per il rilevamento dei batteri rispetto ai metodi EPA gold standard. Questi risultati evidenziano il potenziale trasformativo di questa piattaforma di imaging olografico basata sull'intelligenza artificiale, che non solo consente ad alta sensibilità, rilevamento rapido ed economico di batteri vivi, ma fornisce anche uno strumento potente e versatile per la ricerca microbiologica.