2月28日抗生素处方算法将抗生素耐药性风险降低一半

抗生素是一把双刃剑：一方面，抗生素对于治愈细菌感染至关重要。另一方面，它们的使用促进了耐抗生素细菌的出现和增殖。利用基因组测序技术和对患者记录的机器学习分析，研究人员开发了一种抗生素处方算法，可将出现抗生素耐药性的风险降低一半。

这篇论文今天发表在《科学》杂志上，是以色列理工学院生物学院的 Roy Kishony 教授和亨利和玛丽莲陶布计算机科学学院的研究小组与 Varda Shalev、Gabriel Chodick 和 Jacob 教授的合作成果。 Kuint 在由 Tal Patalon 博士领导的 Maccabi KSM 研究和创新中心。该论文重点关注两种非常常见的细菌感染，尿路感染和伤口感染，描述了如何利用每位患者过去的感染史来选择最好的抗生素来开具处方，以减少出现抗生素耐药性的机会。

感染的临床治疗侧重于将抗生素与病原体的抗性特征正确匹配，但即使是这种正确匹配的治疗也可能失败，因为在治疗过程中可能会出现耐药性。“我们想了解抗生素耐药性是如何在治疗过程中出现的，并找到更好地为每位患者量身定制抗生素治疗的方法，不仅可以正确匹配患者当前的感染易感性，还可以最大限度地降低感染复发和获得治疗耐药性的风险，” Kishony 教授说。

该方法成功的关键是了解抗生素耐药性的出现可以在个体患者的感染中预测。细菌可以通过随机获得使其具有抵抗力的突变来进化，但该过程的随机性使其难以预测和避免。然而，研究人员发现，大多数患者的感染抵抗力不是通过随机突变获得的。相反，由于患者自身微生物组中现有的耐药细菌再次感染而出现了耐药性。研究人员将这些发现转化为优势：他们建议将抗生素与导致患者当前感染的细菌的易感性相匹配，而且与他们微生物组中可以替代它的细菌相匹配。

该论文的第一作者 Mathew Stracy 博士解释说：“我们发现，患者过去感染的抗生素敏感性可用于预测他们在抗生素治疗后出现耐药性感染的风险。”“使用这些数据以及患者的年龄和性别等人口统计数据，我们可以开发算法。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！