利物浦大学抗菌素优化网络中心（CAMO-Net）的新研究表明，使用人工智能（AI）可以改进尿路感染（UTI）的治疗方法，并帮助应对抗菌素耐药性（AMR）。AMR是指细菌、病毒、真菌和寄生虫进化后不再对曾经有效的治疗方法产生反应。这种耐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。这项新研究发表在《自然通讯》上，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。
该研究由利物浦大学医学微生物学顾问亚历克斯·霍华德博士领导，他是惠康信托基金资助的CAMO-Net的研究员。研究使用AI测试了12种抗生素的预测模型，并使用真实患者数据将个性化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，尤其是在使用世界卫生组织（WHO）推荐的“Access”类抗生素时，这类抗生素被认为不太可能引起耐药性。
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，因为它展示了如何结合常规健康数据和实验室测试来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情况，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。”
这项研究的结果代表了应对AMR的重要进展。通过优先使用WHO访问类抗生素并根据个体敏感性谱定制治疗，个性化AST不仅提高了测试过程的效率，还支持了全球努力保护关键抗生素的有效性。
(全文结束)
