【Nature子刊】人工智能提供了一种更快预测抗生素耐药性的方法，时间可提前长达24小时！

抗生素耐药菌在全世界呈上升趋势——瑞士也不例外。每年，仅在瑞士，由多重耐药菌引起的感染就会导致至少300人死亡。快速的诊断检测和抗生素的靶向使用在遏制这些抗生素耐药性“超级细菌”的传播中起着至关重要的作用。

然而，确定哪些抗生素对特定病原体仍然有效通常需要两天或两天以上的时间，因为来自患者样本的细菌首先必须在诊断实验室中培养。由于这种延迟，许多医生最初用一类被称为广谱抗生素的药物治疗严重感染，这些药物对广泛的细菌种类都有效。

现在，苏黎世联邦理工学院、巴塞尔大学医院和巴塞尔大学的研究人员开发出一种方法，利用质谱数据来识别细菌中抗生素耐药的迹象，时间可提前长达24小时。

该研究的主要作者、巴塞尔苏黎世邦理工学院生物系统科学与工程系博士生Caroline Weis说：“智能计算机算法搜索数据中区分耐药菌和对抗生素有反应的模式。”研究人员在《Nature Medicine》杂志上发表了他们的方法，题为“Direct antimicrobial resistance prediction from clinical MALDI-TOF mass spectra using machine learning”。

最佳治疗时间至关重要

通过在早期阶段鉴定出显著的抗生素耐药性，医生可以更快地为相关细菌量身定制一种抗生素疗法。这对重症患者尤其有益。

巴塞尔大学医学院临床细菌学教授和负责人Adrian Egli说：“如果感染严重，优化抗生素治疗所花费的时间可能意味着生死之间的差异。在这些情况下，快速、准确的诊断是极其重要的。”

为新方法提供数据的质谱仪器已经在全球许多微生物实验室使用，以鉴定细菌类型。该设备分析每个样品中的数千个蛋白质片段，然后创建细菌蛋白质的单独指纹。这一过程还需要事先培养细菌，但只需要几个小时，而不是几天。

已创建大量新数据集

巴塞尔的研究人员开发了一种新方法，将质谱的用途扩展到包括抗生素耐药性的鉴定。对于这个数据集，研究小组从瑞士西北部的四个实验室中提取了超过30万个单个细菌的质谱，并将这些与相应的临床耐药性测试结果联系起来。结果是一个新的、公开的数据集，涵盖了约800种不同的细菌和超过40种不同的抗生素。

巴塞尔苏黎世邦理工学院生物系统科学与工程系教授Karsten Borgwardt说：“我们的下一步是用这些数据训练人工智能算法，使它们能够学会自己检测抗生素耐药性。”他与Egli教授一起领导了这项研究。

为了使他们的预测模型尽可能广泛地适用，研究人员分析了算法的性能如何受到训练数据的影响。研究中比较的不同方法包括仅用一家医院的数据训练预测模型和用多家医院的数据组合训练。

而之前在这一领域的研究都集中在单个细菌种类或抗生素上，这项新的研究借鉴了医院中分离出的几种细菌类型以及众多相关的耐药特征。Borgwardt说：“我们的数据集是迄今为止最大的将质谱数据与抗生素耐药性信息相结合的数据集。这是如何利用现有临床数据产生新知识的一个很好的例子。”

模型能够可靠地检测耐药性

为了评估计算机预测的有效性，研究人员与一名传染病专家合作，分析了大约60个病例研究。他们的目标是确定如果在决策过程的早期阶段被临床医生使用，预测将在多大程度上影响抗生素治疗的选择。

研究团队特意选择了以最重要的抗生素耐药菌为特征的病例研究，包括耐甲氧西林金黄色葡萄球菌(MRSA)和对广谱β-内酰胺类抗生素耐药的肠道细菌（大肠杆菌）。

这项病例研究如此重要的一个原因是，医生也倾向于根据患者的年龄和病史等因素来选择抗生素。结果显示，新方法确实会促使临床医生在某些情况下选择改进的抗生素治疗。

正在计划进行临床试验

在新的诊断方法可以在患者护理中实施之前，团队将需要克服额外的挑战，其中包括实施大规模的临床试验，以证实新方法在常规医院环境中的益处。Egli说：“这样的研究计划已经在进行中。”作为临床微生物学专家，他相信该项目将在未来几年改善感染的治疗方式。

Borgwardt说：“该项目还提出了许多关于人工智能在医学中应用的重要研究问题。这个数据集使我们能够更仔细地了解我们需要在算法水平上做出的变化，以进一步提高对在不同时间点和不同位置收集的数据的预测质量。”（转化医学网360zhyx.com）

参考资料：

https://medicalxpress.com/news/2022-01-artificial-intelligence-faster-antibiotic-resistance.html

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。