Los laboratorios de bacteriología clínica han experimentado una revolución con la introducción de sistemas totalmente automatizados. La inoculación, el transporte de placas y la digitalización de imágenes estuvieron entre las primeras innovaciones con la lectura que ahora se realiza en imágenes digitales donde los microbiólogos seleccionan colonias microbianas para acciones de seguimiento posteriores. El desarrollo de algoritmos inteligentes para la lectura de placas vinculados a sistemas expertos proporcionará aún más un enfoque totalmente automatizado para el flujo de trabajo de bacteriología. Aunque la identificación presuntiva de colonias microbianas en muestras complejas sigue siendo una perspectiva futura pero en curso, otras tareas más simples fueron y serán automatizadas.

En los laboratorios de bacteriología clínica, la lectura y el procesamiento de placas estériles contituyen una parte importante de la carga de trabajo de rutina (30%-40% de las placas). Para este trabajo, se desarrolló un algoritmo para la detección del crecimiento bacteriano a partir de cualquier tipo de muestra y utilizando los medios más comunes en bacteriología. Se evaluó el rendimiento de predicción del crecimiento del algoritmo para el procesamiento automático de placas estériles no solo a las 18-24 h y a las 48 h, sino también en momentos anteriores hacia el desarrollo de un sistema de monitoreo temprano del crecimiento. Se utilizaron un total de 3.844 placas inoculadas con muestras clínicas representativas. Se tomaron imágenes de las placas 15 veces, y dos microbiólogos diferentes leyeron las imágenes de forma aleatoria e independiente, creando 99.944 verdades fundamentales humanas. El algoritmo fue capaz, a las 48 h, de discriminar crecimiento de no crecimiento con una sensibilidad del 99,80% (cinco placas falsas negativas [FN] de 3.844) y una especificidad del 91,97%. A las 24 h, la sensibilidad y la especificidad alcanzaron el 99,08% y el 93,37%, respectivamente. Curiosamente, durante la lectura de los humanos, se informó crecimiento ya a las 4 h, mientras que a las 6 h, la mitad de las placas positivas ya mostraban algo de crecimiento. En este contexto, se prevé que la monitorización automatizada del crecimiento temprano en el caso de muestras normalmente estériles proporcione valor añadido a los microbiólogos, permitiéndoles priorizar la lectura y comunicar la detección temprana del crecimiento bacteriano a los médicos.

Actualmente, el flujo de trabajo de bacteriología es un proceso secuencial del día a día con largas incubaciones nocturnas. La automatización ya ha reducido el tiempo de lectura del cultivo, pero podría abrir la posibilidad de pasar de este proceso secuencial a un proceso más continuo en el que las placas se analizan tan pronto como se detecta crecimiento.

---

Descargar artículo original aquí:

Development and evaluation of an artificial intelligence for bacterial growth monitoring in clinical bacteriology