Expertensysteme in der Mikrobiologie «Bitte konzentrieren Sie sich auf Folie 2-6 und 22-26

Transkript

1 Expertensysteme in der Mikrobiologie «Bitte konzentrieren Sie sich auf Folie 2-6 und Reinhard Zbinden, Prof. Dr. med. et lic. phil. II, FAMH Mikrobiologie, Leiter Diagnostik Institut für Medizinische Mikrobiologie der Universität Zürich Direktor: Prof. Dr. med. E. C. Böttger

2 Versuch einer Definition Expertensystem = Expertenmeinungen in System verpacken zur automatischen Anwendung Identifikationssysteme für die Identifizierung von Bakterien System, um Nachtestwahrscheinlichkeiten aufgrund von Vortestwahrscheinlichkeiten auszurechnen Expertensysteme für die Ableitung von Resistenzen von Bakterien

3 Identifizierung von Bakterien (1) Identifizierung der Bakterien beruht auf dem Prozess, die Eigenschaften eines isolierten Bakterium mit den Eigenschaften bekannter Referenzbakterien oder Expertenmeinungen zu vergleichen Prinzipiell zwei Methoden Algorithmus mit Schlüsselreaktionen Gleichzeitiger Vergleich mehrerer en mit Datenbasis von Experten oder Firmen

4 Identifizierung von Bakterien (2) Algorithmus nach Schlüsselreaktionen Identifizierung Gram-positiver Kokken 1. Katalase positiv Staphylokokken negativ Streptokokken 2. Koagulase positiv Staphylococcus aureus negativ Koagulase-negative Staphylokokken Vorteil: schnell Nachteil: falsche Schlüsselreaktion führt in falsche Richtung Es gibt auch Katalase-negative oder Koagulasenegative Staphylococcus aureus

5 Identifizierung von Bakterien (3) Berücksichtigung mehrerer en und Vergleich mit Datenbasis Vergleich mehrerer en des Bakteriums mit den en möglichst vieler Bakterien in einem Identifikationssystem, welches viele verschiedene Bakterien enthält In der Regel wird eine wichtige Eigenschaft vorausgesetzt, z.b. Gram-negatives Stäbchen Vorteil: Schlüsselreaktion darf einmal falsch sein, weil alle en berücksichtigt werden Nachteil: Keim muss in Datenbasis enthalten sein

6 Identifizierung von Bakterien (4) Datenbasis Datenbasis enthält viele Teste und viele Bakterien Nach dem Bayes Theorem ist die Wahrscheinlichkeit eines Profils von mehreren en gleich dem Produkt der Wahrscheinlichkeiten der einzelnen en Jede hat für ein getestetes Bakterium die gleiche Chance positiv oder negativ zu sein. Es gibt keine voreingenommene Meinung Hilfsregeln wie Ein Gram-negatives Stäbchen im Urin ist bis zum Beweis des Gegenteils ein Escherichia coli haben vorerst keine Gültigkeit

7 % der Positivität Identifizierung von Bakterien (5) Struktur der Datenbasis Taxon A Taxon B Taxon C Taxon D

8 Identifizierung von Bakterien (6) en des untersuchten Stammes Untersuchter Stamm Häufigkeit dieser bei negativ positiv positiv positiv Taxon A Taxon B Taxon C Taxon D wird als 0.01 und 100 als 0.99 gerechnet

9 Identifizierung von Bakterien (7) Wahrscheinlichkeit dieses sprofils bei Taxa A-D 1 negativ 2 positiv 3 positiv 4 positiv Wahrscheinlichkeit dieses Profils bei den Taxa Taxon A Taxon B Taxon C Taxon D Summe der einzelnen Produkte Produkt der Wahrscheinlichkeiten der einzelnen en = Wahrscheinlichkeit des sprofils

10 Identifizierung von Bakterien (8) Prozentidentifizierung des einzelnen Taxons Taxon A / % Taxon B / ,6% Taxon C / ,3% Taxon D / ,1% Summe der einzelnen Prozentidentifizierungen % Das isolierte Bakterium mit den en -,+,+,+ hat eine Prozentidentifizierung von 97,6% für Taxon B und ist 97,6 wahrscheinlicher als Taxon A

11 Identifizierung von Bakterien (9) Wie sind die typischen en der Taxa? Typische en % 1 Taxon A 50 +/- Taxon B 99 - Taxon C 85 - Taxon D

12 Identifizierung von Bakterien (10) Wie sind die typischen Profile der Taxa? Wahrscheinlichkeit des typischen Profile der Taxa Taxon A Taxon B Taxon C Taxon D Die Wahrscheinlichkeit des Profils -,+,+,+ kann für jedes Taxon mit der Wahrscheinlichkeit des typischen Profils verglichen werden Modale Frequenz

13 Identifizierung von Bakterien (11) Modale Frequenz = Wahrscheinlichkei des gefundenes Profil -,+,+,+ bei den Taxa / Wahrscheinlichkeit des typischen Profils Taxon A / = 0.02 Taxon B / = 1 Taxon C / = Taxon D / = Das Profil -,+,+,+ passt ganz klar zu typischem Profil von Taxon B, da modale Frequenz = 1 Das isolierte Bakterium mit dem Profil -,+,+,+ ist identisch zu Taxon B und zwar 97,6 mal wahrscheinlicher als zu Taxon A, 88,7 mal wahrscheinlicher als zu Taxon D und 325,3 mal wahrscheinlicher als zu Taxon C

14 Identifizierung von Bakterien (12) Die Identifizierung eines Bakteriums wird einerseits durch die Prozentidentifizierung charakterisiert, welche aussagt, wie wahrscheinlich die Identifizierung im Verhältnis zu den anderen passt und anderseits wie gut das gefundene Profil eines Isolates zum typischen Profil des identifizierten Bakteriums passt. Der T-Wert, welcher in verschiedenen Systemen angegeben wird, ist eine Weiterentwicklung der Modalen Frequenz

15 Identifizierung von Bakterien (13) Beispiel von Api System BioMérieux Wie gut ist dann die Identifizierung? %ID > 99.9% und T-Wert > 0.75 ausgezeichnete Identifizierung %ID > 99.0% und T-Wert > 0.5 sehr gute Identifizierung %ID > 90.0% und T-Wert > 0.25 gute Identifizierung %ID > 80.0% und T-Wert > 0 akzeptierbare Identifizierung Genügt uns das? Vergleich mit Gensequenzen

16 Vergleich mit Gensequenzen (1)

17 Vergleich mit Gensequenzen (2) Vergleich der verschiedenen Systeme zeigt, dass neue Vitek 2-Karte (colorimetrisch) besser ist als Api NE und alte Vitek 2-Karte, aber immer noch Fehler gegenüber Sequenzierung Achtung: sehr schwierige Isolate dabei, unter Routinebedingungen sind alle Systeme O.K.

18

19 Vergleich mit Gensequenzen (3) Identifikationssystem technische Korrektheit vorausgesetzt - sind nur so gut wie die Datenbasis In der Routine sind seltene Taxa nicht in der Datenbasis

20 Beispiel aus der Praxis: Algorithmus kombiniert mit VITEK 2 und Sequenzierung für Katalase-negative, Grampositive Kokken Flat colonies Milky colonies β-hemolysis α-hemolysis, cocci in tetrades (α-hemolytic) (α-hemolytic) (cocci in chains) (α-hemolytic) Bile soluble, Hydrolysis of Agglutination, Optochin esculin, bile VP for small soluble resistant, growth colonies in 6.5% NaCl S. pneumoniae Enterococci Group A, B, C, G Viridans Streptococci or Streptococci S. milleri If conventional tests are equivocal or more accurate identification necessary VITEK 2

21 VITEK 2 Kocuria rosea / excellent / very low discrimination and Micrococcus luteus good / good more accurate retest with correct Identification at Identification McFarland species level necessary report yes A. urinae A. viridans (resistant to ampicillin) E. faecium (resistant to ampicillin) G. adjacens (satellite phenomenon) S. gordonii, S. mitis/oralis S. salivarius, S. sanguinis, S. milleri group no more accurate identification necessary yes no 16S rdna sequencing report as Grampositive cocci or as the possible VITEK 2 identification Sequence similarity:?99% <99%,?95% <95% Assignment to Assignment to No Assignment Species Genus

22 Berechnung Nachtestwahrscheinlichkeit aus Vortestwahrscheinlichkeit (1)

23 Berechnung Nachtestwahrscheinlichkeit aus Vortestwahrscheinlichkeit (2)

24 Berechnung Nachtestwahrscheinlichkeit aus Vortestwahrscheinlichkeit (3)

25 Berechnung Nachtestwahrscheinlichkeit aus Vortestwahrscheinlichkeit (4) Im Labor haben wir Daten zur Prävalenz, welche eigentlich die Vortestwahrscheinlichkeit darstellt Aufgrund der Sensitivität und Spezifität kann man die Likelihood ratio ausrechnen Diese erlaubt es dem Arzt, mit FAGAN Diagramm von der Vortestwahrscheinlichkeit auf die Nachtestwahrscheinlichkeit zu schliessen, wenn die Sensitivität und Spezifität (so indirekt die Likelihood ratio) des Testsystems bekannt ist

26

27 Vor- und Nachtestwahrscheinlichkeit des Vorliegens von Streptokokken Gruppe B Schnelltest aus Vaginalabstrich Prävalenz von Streptokokken der Gruppe B in der 35. SSW ist 20%, d. h. Vortestwahrsch. 20% Sens. des Tests 82,5% Spez. des Tests 91,8% Likelihood ratio eines positiven Tests 10 eines negativen Tests 0.19 Nachtest-Wahrscheinlichkeit bei positivem Resultat 72 % bei negativem Resultat 4.5 %

28 Vor- und Nachtestwahrscheinlichkeit des Vorliegens von Streptokokken Gruppe B Routinemässiger Schnelltest aus Urin bei Neugeborenem Prävalenz bei gesundem Neugeborenem 0.1% d. h. Vortestwahrsch. 0.1% Sens. des Tests 95% Spez. des Tests 95% Likelihood ratio eines positiven Tests 19 eines negativen Tests 0.05 Nachtest-Wahrscheinlichkeit bei positivem Resultat 2 % bei negativem Resultat <<.1 %

29 Vor- und Nachtestwahrscheinlichkeit des Vorliegens von Streptokokken Gruppe B Schnelltest bei Unsicherheit aus Urin bei Neugeborenem Unklarheit für Kliniker d. h. Vortestwahrsch. 50% Sens. des Tests 95% Spez. des Tests 95% Likelihood ratio eines positiven Tests 19 eines negativen Tests Nachtest-Wahrscheinlichkeit bei positivem Resultat 95 % bei negativem Resultat 5 %

30 Expertensysteme in der Hilfsmittel im Labor Mikrobiologie Nicht mehr weg zu denken Systeme kritisch betrachten An sich sind diese Prinzipien auch in anderen Labordisciplinen anwendbar Fragen werden im Kurs beantwortet