人工智能提供了一种更快的方法来预测抗生素耐药性

苏黎世联邦理工学院共同领导的一项研究表明，计算机算法可以比以前的方法更快地确定细菌的抗菌素耐药性。这可能有助于在未来更有效地治疗严重感染。

抗生素耐药性细菌在世界范围内呈上升趋势，瑞士也不例外。每年，仅在瑞士，由多重耐药菌引起的感染就导致至少300人死亡。快速诊断测试和有针对性地使用抗生素在遏制这些耐抗生素“超级细菌”的传播方面发挥着至关重要的作用。

然而，通常需要两天或更长时间才能确定哪些抗生素对特定病原体仍然有效，因为患者样本中的细菌首先必须在诊断实验室中培养。由于这种延迟，许多医生最初使用一类被称为广谱抗生素的药物治疗严重感染，这些药物对多种细菌都有效。

现在，苏黎世联邦理工学院、巴塞尔大学医院和巴塞尔大学的研究人员开发了一种方法，该方法使用质谱数据在24小时前识别细菌中抗生素耐药性的迹象。

“智能计算机算法搜索数据以寻找区分耐药细菌和对抗生素有反应的细菌的模式，”巴塞尔苏黎世联邦理工学院生物系统科学与工程系的博士生、该研究的主要作者CarolineWeis说。研究人员在最新一期的NatureMedicinecall_made杂志上发表了他们的方法。

最佳治疗的时间至关重要

通过在早期阶段识别出显着的抗生素耐药性，医生可以更快地针对相关细菌定制抗生素疗法。这对重症患者特别有益。

“如果感染严重，优化抗生素治疗所需的时间可能意味着生与死的区别。在这类病例中，快速、准确的诊断极为重要，”巴塞尔大学医院临床细菌学教授兼负责人AdrianEgli说。

为新方法提供数据的质谱仪已在全球许多微生物实验室用于识别细菌类型。该设备分析每个样本中的数千个蛋白质片段，然后创建细菌蛋白质的单独指纹。这个过程还需要预先培养细菌，但只需要几个小时而不是几天。

已创建庞大的新数据集

巴塞尔的研究人员开发了一种新方法，将质谱法的用途扩展到包括抗生素耐药性的鉴定。对于这个数据集，研究小组从瑞士西北部的四个实验室提取了超过300,000个单个细菌的质谱，并将这些与相应的临床耐药性测试的结果联系起来。结果是一个新的、公开可用的数据集，涵盖了大约800种不同的细菌和40多种不同的抗生素。

“我们的下一步是用这些数据训练人工智能算法，这样他们就可以学会自己检测抗生素耐药性，”巴塞尔苏黎世联邦理工学院生物系统科学与工程系教授、领导这项研究的KarstenBorgwardt说。与埃格利教授一起。

为了使他们的预测模型尽可能广泛地适用，研究人员分析了算法的性能如何受到训练数据的影响。研究中比较的不同方法包括使用来自一家医院的数据训练预测模型，以及使用来自多家医院的数据进行训练。

虽然该研究领域的先前研究集中在单个细菌种类或抗生素上，但这项新研究利用了医院中分离的几种细菌类型以及许多相关的耐药性特征。“我们的数据集是迄今为止将质谱数据与抗生素耐药性信息相结合的最大数据集，”Borgwardt说。“这是一个很好的例子，说明如何利用现有临床数据来产生新知识。”

模型可靠地检测常见电阻

为了评估计算机预测的有用性，研究人员与一名传染病专家合作分析了大约60个案例研究。他们的目标是确定如果这些预测在决策过程的早期阶段可供临床医生使用，这些预测将在多大程度上影响抗生素治疗的选择。

研究小组特意选择了以最重要的耐抗生素细菌为特色的案例研究，包括耐甲氧西林金黄色葡萄球菌(MRSA)和对广谱β-内酰胺抗生素(大肠杆菌)具有耐药性的肠道细菌。

这个案例研究如此重要的一个原因是，医生也倾向于根据患者的年龄和病史等因素来选择抗生素。结果表明，在某些情况下，新方法确实会促使临床医生选择改进的抗生素治疗。

正在进行临床试验计划

在新的诊断方法可以在患者护理中实施之前，该团队将需要克服额外的挑战，其中包括实施大规模临床试验以证实新方法在常规医院环境中的益处。“这样一项研究的计划已经在进行中，”埃格利说。作为临床微生物学专家，他相信该项目将在未来几年改善感染的治疗方式。

Borgwardt说，该项目还提出了许多关于人工智能在医学中使用的重要研究问题。“这个数据集使我们能够更仔细地研究我们需要在算法层面做出的改变，以进一步提高对在不同时间点和不同地点收集的数据的预测质量。”

标签：