共计 966 个字符，预计需要花费 3 分钟才能阅读完成。
利物浦大学的研究人员展示了一种应对感染的新方法。该团队描述了使用人工智能（AI）来有效治疗感染并帮助解决抗菌药物耐药性（AMR）的问题。
https://www.techexplorist.com/wp-content/uploads/2024/11/targeting-infection-696×398.jpg
抗菌药物耐药性发生在细菌或病毒进化以抵抗曾经有效的治疗时。这种耐药性可能对公共卫生构成重大威胁，并可能使常见感染无法治疗。
为了应对 AMR，世界卫生组织（WHO）有一个“获取、观察、保留”（AWaRe）框架，以促进抗生素的可持续使用。抗菌药物敏感性测试（AST）是评估抗菌药物对病原体活性的关键工具。
然而，AST 是一种传统的诊断方法，采用“象牙塔”方法。这种方法类似于“一刀切”；如果一种抗生素对感染有效，它在所有人身上都有效。
一项发表在《自然通讯》上的新研究提出了一种个性化方法，使用实时数据帮助临床医生更准确地处理感染。这种方法使用 AI 测试基于真实患者数据的 12 种抗生素的预测模型。
“这可以帮助临床医生和卫生系统实现抗菌治疗的核心目标——在最小化对个人和更广泛人群的伤害的同时，有效治疗个体，”研究指出。
由于该模型提供了从代理到代理和从生物体到生物体的治疗变化，它减少了细菌对抗生素产生耐药性的机会。
条形图的大小对应于处方数量，绿色表示敏感（S）结果，红色表示耐药（R）结果。标准方法的计数显示在中央垂直线的左侧，个性化方法的计数显示在右侧。源数据作为源数据文件提供。
“这项研究对世界 AMR 意识周来说非常重要且及时，因为它展示了如何结合常规健康数据和实验室测试来保持抗生素的有效性，”亚历克斯·霍华德博士说。
“通过使用 AI 预测尿路感染患者何时携带耐抗生素的细菌，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。这种方法可以改善全球感染患者的护理，并有助于防止抗生素耐药性的传播。”
鉴于模型方法相对较新，它有一些局限性。首先，AST 结果仅限于 12 种抗生素药物。其次，某些数据集可能缺失，这可能导致治疗效果的差异。第三，除了 AWaRe 分类外，可能还有其他一系列因素会影响个体选择抗菌治疗。
尽管如此，结果已经展示了在应对抗菌药物耐药性方面的显著飞跃。研究团队认为，微生物学实验室可以使用个性化 AST 来解决全球 AMR 问题。
