编辑推荐：
利物浦大学抗菌优化网络中心（CAMO-Net）的新研究表明，使用人工智能（AI）可以改善我们治疗尿路感染（uti）的方式，并有助于解决抗菌药物耐药性（AMR）问题。
利物浦大学抗菌优化网络中心（CAMO-Net）的新研究表明，使用人工智能（AI）可以改善我们治疗尿路感染（uti）的方式，并有助于解决抗菌药物耐药性（AMR）问题。
当细菌、病毒、真菌和寄生虫进化，对曾经有效的治疗不再有反应时，就会发生耐药性。这种耐药性导致住院时间更长，医疗费用更高，死亡率增加，对公共卫生构成重大威胁，并可能使常见感染无法治愈。
传统的尿路感染诊断测试，即抗菌药物敏感性测试（AST），使用一种“一刀切”的方法来确定哪种抗生素对特定细菌或真菌感染最有效。这项发表在《自然通讯》上的新研究提出了一种个性化的方法，利用实时数据帮助临床医生更准确地瞄准感染，减少细菌对抗生素治疗产生耐药性的机会。
这项研究由利物浦大学医学微生物学顾问、威康信托基金资助的CAMO-Net研究员亚历克斯·霍华德博士领导，利用人工智能测试了12种抗生素的预测模型，并将个性化AST与标准方法进行了比较。数据驱动的个性化方法导致了更准确的治疗选择，特别是世卫组织可及抗生素，因其不太可能引起耐药性而闻名。
亚历克斯·霍华德博士说：“这项研究对世界抗菌素耐药性宣传周来说很重要，也很及时，因为它表明了如何将常规健康数据与实验室测试相结合，有助于保持抗生素的作用。”通过使用人工智能来预测尿液感染患者何时有抗生素耐药性细菌，我们展示了实验室测试如何更好地指导他们的抗生素治疗。这种方法可以改善对全球感染患者的护理，并有助于防止抗生素耐药性的传播。”
这项研究的结果代表了解决抗菌素耐药性的重要一步。通过优先考虑世卫组织可获得类抗生素并根据个人易感情况量身定制治疗，个性化AST方法不仅提高了检测过程的效率，而且还支持了维护关键抗生素有效性的全球努力。
个性化抗菌药物敏感性测试与临床预测模型告知适当的抗生素使用。
生物通微信公众号
生物通 版权所有
