Forschende der Universitätsmedizin Oldenburg haben mit „CarbaDetector“ ein KI-Modell entwickelt, das antibiotikaresistente Bakterien präziser als bisherige Methoden identifiziert – mit deutlich weniger falsch-positiven Ergebnissen. Dies reduziert unnötige, zeit- und kostenintensive Folgeuntersuchungen. Die Ergebnisse wurden am 14. November 2025 in „Nature Communications“ veröffentlicht.

Leitender Forscher Prof. Dr. Axel Hamprecht vom Universitätsinstitut für Medizinische Mikrobiologie und Virologie am Klinikum Oldenburg betont den Nutzen: „Gängige Screeningmethoden führen oft zu falsch-positiven Ergebnissen, die teure Zusatztests erfordern.“ Dr. Linea Katharina Muhsal, Erstautorin, fügt hinzu: „CarbaDetector spart Ressourcen und beschleunigt Diagnosen.“

Das Modell zielt auf Carbapenemase-produzierende Enterobacterales (CPE), Erreger, die Reserveantibiotika wie Carbapeneme zerstören und schwere Infektionen wie Sepsis oder Lungenentzündungen verursachen. Weltweit sterben jährlich über 500.000 Menschen an Antibiotikaresistenzen, davon etwa 30.000 durch CPE. Die KI analysiert Hemmzonen im Antibiogramm – Durchmesser von Wachstumshemmzonen um Antibiotikaplättchen – und übertrifft dabei Algorithmen wie EUCAST oder die Französische Gesellschaft für Mikrobiologie. Während diese 27,8 bis 61 Prozent falsch-positive Treffer liefern, liegt die Rate bei CarbaDetector bei nur 13 Prozent, bei gleichbleibend hoher Sensitivität.

Derzeit nur für Forschungszwecke in Deutschland zugelassen, soll CarbaDetector weiterentwickelt und kostenfrei für Ressourcenarme Länder bereitgestellt werden. Dies könnte den globalen Kampf gegen multiresistente Keime erheblich unterstützen.

Original Paper:

CarbaDetector: a machine learning model for detecting carbapenemase-producing Enterobacterales from disk diffusion tests | Nature Communications

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.