Antibiotikaresistenzen gehören zu den größten Herausforderungen der modernen Medizin. Immer mehr Bakterien sprechen nicht mehr auf gängige Antibiotika an. Schon heute sind weltweit Millionen Todesfälle mit solchen Resistenzen verbunden und die Zahl könnte in den kommenden Jahrzehnten weiter steigen.

Um Patient*innen wirksam zu behandeln, muss möglichst schnell das passende Antibiotikum eingesetzt werden. Doch die bisherigen Labortests dauern oft ein bis zwei Tage. Für schwer erkrankte Menschen ist das häufig zu langsam.

Neue Technologien und Verfahren können die Diagnostik zwar beschleunigen, sind aber noch nicht überall im Klinikalltag etabliert. Hier bieten Künstliche Intelligenz und Machine Learning neue Chancen: Sie können große Mengen klinischer und mikrobiologischer Daten auswerten und so vorhersagen, welches Antibiotikum wirksam sein könnte. Statt nur zwischen „wirksam“ oder „nicht wirksam“ zu unterscheiden, ist es dabei besonders sinnvoll, die genaue benötigte Wirkstoffmenge (minimale Hemmkonzentration) vorherzusagen. Das ermöglicht präzisere und besser vergleichbare Therapieentscheidungen unabhängig von sich ändernden Grenzwerten.

Das IMI übernimmt in diesem Projekt die Entwicklung eines Datenschutz- und IT-Sicherheitskonzepts und baut eine pseudonymisierte Forschungsdatenbank auf. Das Projekt wird in Kooperation mit dem Institut für Medizinische Mikrobiologie und dem Institut für Biostatistik und Klinische Forschung der Universität Münster durchgeführt.

Kontakt: Antje Westendorf, M.Sc.