利物浦大学抗菌素优化网络（CAMO-Net）的新研究表明，使用人工智能（AI）可以改善尿路感染（UTI）的治疗，并帮助解决抗菌素耐药性（AMR）问题。传统的UTI诊断测试，即抗菌素敏感性测试（AST），采用一刀切的方法来确定哪种抗生素最有效对抗特定的细菌或真菌感染。这项发表在《自然通讯》上的新研究提出了一种个性化方法，利用实时数据帮助临床医生更准确地靶向感染，减少细菌对抗生素产生耐药性的机会。
研究人员使用AI测试了12种抗生素的预测模型，使用真实患者数据，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，特别是在使用世界卫生组织（WHO）Access类抗生素时，这类抗生素被认为不太可能引起耐药性。
利物浦大学医学微生物学顾问兼Wellcome Trust资助的CAMO-Net研究员亚历克斯·霍华德博士表示：“这项研究对于世界AMR意识周非常重要，因为它展示了如何将常规健康数据与实验室测试相结合，以帮助保持抗生素的有效性。通过使用AI预测尿路感染患者的抗生素耐药性，我们展示了实验室测试如何更好地指导其抗生素治疗。这种方法可以改善全球感染患者的护理，并帮助防止抗生素耐药性的传播。”
该研究的结果代表了应对AMR的重要进展。通过优先使用WHO Access类抗生素并根据个体易感性特征定制治疗，个性化AST不仅提高了测试过程的效率，还支持了全球努力，以保持关键抗生素的有效性。
参考文献：Howard, A., Hughes, D.M., Green, P.L. et al. Personalised antimicrobial susceptibility testing with clinical prediction modelling informs appropriate antibiotic use. Nat Commun 15, 9924 (2024).
(全文结束)
