利物浦大学的抗菌素优化网络（CAMO-Net）的新研究显示，利用人工智能（AI）可以提高尿路感染（UTI）的治疗效果，并帮助解决抗菌素耐药性（AMR）问题。AMR是指细菌、病毒、真菌和寄生虫进化到不再对曾经有效的治疗方法产生反应。这种抗药性导致住院时间延长、医疗费用增加和死亡率上升，对公共卫生构成重大威胁，甚至可能使常见的感染变得无法治疗。
传统的尿路感染诊断测试，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对特定的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针对感染，并减少细菌对抗生素产生抗药性的机会。
该研究由利物浦大学医学微生物学顾问、Wellcome Trust资助的CAMO-Net研究员亚历克斯·霍华德博士领导，使用AI测试了12种抗生素的预测模型，并将个性化的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，特别是对于世界卫生组织（WHO）推荐的Access类抗生素，这类抗生素被认为不太可能导致抗药性。
亚历克斯·霍华德博士表示：“这项研究对于世界抗菌素耐药性意识周来说非常重要和及时，因为它展示了如何将常规健康数据与实验室测试相结合，以保持抗生素的有效性。通过使用AI预测尿路感染患者是否存在抗药性细菌，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，并帮助防止抗生素抗药性的传播。”
该研究的结果代表了应对AMR的重要一步。通过优先使用WHO Access类抗生素并根据个体的敏感性特征调整治疗方案，个性化的AST不仅提高了测试过程的效率，还支持了全球努力保护关键抗生素的有效性。
(全文结束)
