抗菌素耐药性（微生物对抗治疗的防御机制）对全球医疗保健构成了巨大挑战。据估计，每年导致120万人死亡，并使NHS至少花费1.8亿英镑。血液感染可能会对抗生素产生抗药性，进而引发危及生命的败血症。一旦感染发展到败血症阶段，患者迅速出现器官衰竭、休克甚至死亡的可能性很高。一些患者由于之前接触过抗生素、遗传因素甚至饮食（可以改变其微生物组）而具有更高的抗菌素耐药性。
现在，科学家们正利用人工智能的力量来评估重症监护病房（ICU）患者的抗菌素耐药性，并识别引起败血症的血液感染。来自伦敦国王学院生命科学与医学学院的研究人员和盖伊和圣托马斯NHS基金会信托的临床医生合作进行了这项跨学科研究，希望这能改善危重病人的预后。
在这项研究中，团队展示了人工智能和机器学习如何为ICU患者提供同日分诊，特别是在资源有限的环境中。这项技术也比手动测试更具成本效益。“这种创新的机器学习方法的简单性和可扩展性表明其具有广泛实施的潜力，为大规模解决这些关键医疗保健问题提供了有力的解决方案，最终改善患者预后。”伦敦国王学院人口健康统计学教授王延忠教授表示。
目前对ICU患者的评估既耗时又需要长时间的实验室测试，需要在实验室中培养细菌，最多需要五天。这对护理结果有巨大影响，尤其是考虑到ICU患者的脆弱性，他们可能患有危及生命的疾病。更早获得这些信息将使临床医生能够更快、更明智地做出护理决策，包括是否使用抗生素。合理使用抗生素与良好的患者预后密切相关。
该研究的第一作者达维德·费拉里（Davide Ferrari）说：“我们的研究进一步证明了人工智能在医疗保健领域的益处，这次涉及抗菌素耐药性和血液感染这两个关键问题。这一时机非常重要，因为NHS正在投资共享数据资源，有助于使患者护理更加协作和高效。我们对机器学习的使用为解决抗菌素耐药性这一重要临床问题提供了新途径。我们希望人工智能能够为临床医生在做出重要决策时提供有用的工具，尤其是在ICU方面。”
伦敦国王学院微生物学专家林赛·爱德华兹博士（Lindsey Edwards）补充道：“应对抗菌素耐药性的严重威胁的一个重要方法是保护我们已有的抗生素，这与迫切需要快速诊断齐头并进。通常情况下，携带耐药感染的患者会以危重状态进入ICU，可能无法存活足够长的时间，让当前的诊断金标准确定他们感染了什么。因此，临床医生面临一个困难的局面，必须‘盲目’开具广谱抗生素以挽救患者的生命。然而，这也会杀死患者微生物组中的许多有益微生物，而不杀死有害病原体。甚至可能使病原体对药物产生更强的抗药性。这项研究的结果非常令人鼓舞，因为使用人工智能加速感染诊断，以便开具正确的抗生素，不仅会对患者的生存和护理结果产生巨大影响，还有助于保护我们已经开发的抗生素，防止进一步的抗生素抗药性发展。”
该研究使用了盖伊和圣托马斯NHS基金会信托的1142名患者的数据，为使用超过20000名个体的数据集进行进一步的持续研究铺平了道路。研究者希望，通过在多医院环境中使用联邦机器学习这一流行技术，采取更先进的方法，能够满足在NHS前线实际部署这种人工智能方法的监管要求。
(全文结束)
