抗菌素耐药性（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。利物浦大学抗菌素优化网络中心（CAMO-Net）的新研究显示，使用人工智能（AI）可以改善尿路感染（UTI）的治疗，并帮助解决AMR问题。AMR的发生导致更长的住院时间、更高的医疗费用和更高的死亡率，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方法，使用实时数据帮助临床医生更准确地针对感染，减少细菌对抗生素治疗产生耐药性的机会。
由利物浦大学医学微生物学顾问亚历克斯·霍华德博士领导的研究团队，使用AI测试了12种抗生素的预测模型，并用真实患者数据比较了个性化AST与标准方法。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WHO Access类抗生素，这类抗生素被认为不太可能导致耐药性。霍华德博士表示：“这项研究对于世界AMR意识周非常重要，因为它展示了如何结合常规健康数据和实验室测试来保持抗生素的有效性。通过使用AI预测尿路感染患者的耐药性细菌，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。通过优先考虑WHO Access类抗生素并根据个体易感性谱调整治疗，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。
(全文结束)
