Onderzoekers in Delft hebben een onverwachte eigenschap van bacteriën blootgelegd: ze maken geluid. Niet hoorbaar voor het menselijk oor, maar wel meetbaar op nanoschaal. Dat inzicht opent de deur naar een nieuwe manier van diagnostiek, waarbij artsen binnen enkele uren kunnen vaststellen met welke bacterie ze te maken hebben én welk antibioticum werkt.
Het onderzoek is uitgevoerd door een team van de TU Delft, spin-off SoundCell en het Reinier de Graaf ziekenhuis. Hun bevindingen zijn gepubliceerd in ACS Sensors en bouwen voort op eerder werk waarin al werd aangetoond dat individuele bacteriën minuscule trillingen veroorzaken.
Van trilling naar diagnose
De kern van de technologie is een extreem dun membraan van grafeen dat fungeert als een soort nanodrumvel. Wanneer een bacterie zich hierop hecht, veroorzaakt die kleine mechanische trillingen. Die bewegingen zijn zo subtiel dat ze lange tijd buiten beeld bleven, maar met gevoelige meetapparatuur kunnen ze nu worden vastgelegd.
Wat nieuw is, is dat die trillingen niet willekeurig blijken te zijn. Elke bacteriesoort produceert een eigen patroon, een soort vibratie vingerafdruk. Door deze signalen om te zetten naar tijd frequentiespectrogrammen ontstaat een dataset die geschikt is voor analyse.
Daar komt machine learning in beeld. Onderzoekers trainden een model op grote hoeveelheden vibratiedata, waardoor het in staat is om bacteriesoorten van elkaar te onderscheiden op basis van hun trillingspatroon. In de studie werd dat onder meer getest met bekende ziekenhuisbacteriën zoals E. coli, Staphylococcus aureus en Klebsiella pneumoniae.
Twee stappen in één
Wat deze aanpak bijzonder maakt, is dat hij twee diagnostische stappen samenbrengt. In de huidige praktijk worden bacteriën eerst gekweekt om ze te identificeren. Daarna volgt een aparte test om te bepalen voor welke antibiotica ze gevoelig zijn. Dat proces kan meerdere dagen duren.
Met de nieuwe methode gebeurt beide tegelijk. Het systeem analyseert de trillingen van een enkele bacterie en kan daaruit zowel de soort als de gevoeligheid voor antibiotica afleiden. Volgens de onderzoekers kan de testtijd daarmee worden teruggebracht tot enkele uren, en in sommige gevallen zelfs tot ongeveer één uur.
Dat betekent niet alleen tijdswinst, maar ook een andere manier van werken in het laboratorium. Het kweken van bacteriën, nu nog een standaardstap, wordt in principe overbodig.
Rol van data en spin-off SoundCell
De doorbraak komt niet uit het niets. In de afgelopen jaren verzamelden de onderzoekers een grote hoeveelheid vibratiedata. Aanvankelijk werd die vooral gebruikt voor antibioticascreening, maar gaandeweg ontstond de vraag of dezelfde data ook geschikt was voor identificatie.
Die stap is nu gezet. De technologie wordt verder ontwikkeld binnen SoundCell, een spin-off van de TU Delft die zich richt op snelle diagnostiek. Het bedrijf test momenteel prototypes in samenwerking met het Reinier de Graaf ziekenhuis en het Erasmus MC.
Door het machine learning model te integreren in deze systemen ontstaat een compact apparaat dat in principe direct inzetbaar is in klinische omgevingen.
Impact op antibioticaresistentie
De mogelijke impact van de technologie ligt vooral in de aanpak van antibioticaresistentie. In de praktijk krijgen patiënten vaak eerst een breed spectrum antibioticum, omdat nog niet duidelijk is welke bacterie de infectie veroorzaakt. Dat vergroot de kans op resistentie.
Snellere en gerichtere diagnostiek kan dat patroon doorbreken. Artsen weten eerder welk middel effectief is en kunnen gerichter behandelen. Dat verkleint niet alleen de kans op resistentie, maar kan ook de behandelduur verkorten en complicaties verminderen.
Van lab naar kliniek
De volgende stap is validatie in de klinische praktijk. Dat betekent testen met echte patiëntmonsters en het integreren van de technologie in bestaande workflows in ziekenhuizen. Daarbij speelt niet alleen de nauwkeurigheid een rol, maar ook factoren als snelheid, betrouwbaarheid en gebruiksgemak.
De samenwerking tussen universiteit, start-up en ziekenhuis blijkt daarbij cruciaal. Onderzoekers ontwikkelen de technologie, terwijl clinici direct feedback geven over de toepasbaarheid in de praktijk. Die wisselwerking versnelt de stap van fundamenteel onderzoek naar concrete toepassing.
De technologie staat nog aan het begin van die route, maar laat zien hoe inzichten op nanoschaal kunnen doorwerken tot op het niveau van de dagelijkse zorgpraktijk.
