抗生素在治疗细菌感染中发挥重要作用,但它是一把“双刃剑”,也促使细菌强化耐药性。一个国际团队近日在美国《科学》杂志上报告说,他们利用机器学习技术和基因组测序技术开发出一种抗生素处方算法,可将感染治疗中的耐药性风险降低一半。
治疗感染的重点在于正确匹配抗生素与病原体的耐药情况,然而即使匹配正确,仍有可能出现抗生素耐药性。一个原因是,细菌可能在进化中随机突变而产生耐药性,但这个随机过程难以预测和避免。
以色列理工学院领衔的研究团队发现,大多数感染患者的耐药性并不是因为致病菌的随机突变而产生,而是由患者体内微生物组中对处方抗生素具有耐药性的另一种菌株迅速再次感染而引起的。研究人员将该发现转化为一种治疗思路:治疗用的抗生素不仅应与导致当前致病菌的耐药情况相匹配,还应与患者体内微生物组中有可能取代当前致病菌的其他细菌相匹配。
研究团队利用20多万名患者为期8年的微生物组数据记录,构建了机器学习算法模型,用于预测个体对特定抗生素产生耐药性的风险。研究人员还利用以往治疗尿路感染和伤口感染的大量抗生素处方数据来训练这个算法,使它能够制定出个性化抗生素治疗处方。研究显示,该抗生素处方算法可将治疗中出现抗生素耐药性的风险降低一半。
“我们发现,患者过去感染中对抗生素的敏感性可用于预测他们再次接受抗生素治疗后出现耐药性感染的风险。”该论文第一作者、以色列理工学院研究人员马修·斯特拉西博士解释。
研究人员表示,希望这项研究能为医生提供更好的工具,以制定个性化抗生素治疗方案来改善疗效,并最大限度减少耐药性致病菌的蔓延。
