机器学习“定制”处方有望降低抗生素耐药风险

2月28日电 抗生素在细菌感染的治疗中发挥着重要作用，但它是一把“双刃剑”，也促使细菌加强耐药性。一个国际团队最近在美国杂志《科学》上报告说，他们利用机器学习技术和基因组测序技术开发了一种抗生素处方算法，可以将感染治疗中的耐药风险降低一半。

感染治疗的重点是正确匹配抗生素和病原体的耐药性。然而，即使匹配是正确的，抗生素耐药性仍然可能发生。一个原因是细菌在进化中可能会随机变异产生耐药性，但这个随机过程很难预测和避免。

以色列理工学院领导的研究小组发现，大多数感染患者的耐药性并不是由致病菌的随机突变引起的，而是由患者微生物群中另一种对处方抗生素产生耐药性的菌株的快速再感染引起的。研究人员将这一发现转化为一种治疗思路：用于治疗的抗生素不仅要与当前致病菌的耐药性相匹配，还要与患者微生物组中可能替代当前致病菌的其他细菌相匹配。

研究团队利用8年来超过20万名患者的微生物组数据记录，构建了一个机器学习算法模型，以预测个体对特定抗生素产生耐药性的风险。研究人员还利用过去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种算法，使其能够制定个性化的抗生素处方。研究表明，抗生素处方算法可以将抗生素耐药性的风险降低一半。

“我们发现，患者在过去感染中对抗生素的敏感性可以用来预测他们在再次接受抗生素治疗后发生耐药性感染的风险。”这篇论文的第一作者、以色列理工学院研究员马修斯特拉齐博士解释道。

研究人员表示，希望这项研究能够为医生提供更好的工具，制定个性化的抗生素治疗方案，以提高疗效，最大限度地减少耐药病原体的传播。