抗生素是一把雙刃劍：一方面，抗生素對于治愈細菌感染至關(guān)重要。另一方面，它們的使用促進了耐抗生素細菌的出現(xiàn)和增殖。利用基因組測序技術(shù)和對患者記錄的機器學習分析，研究人員開發(fā)了一種抗生素處方算法，可將出現(xiàn)抗生素耐藥性的風險降低一半。
這篇論文今天發(fā)表在《科學》雜志上，是以色列理工學院生物學院的 Roy Kishony 教授和亨利和瑪麗蓮陶布計算機科學學院的研究小組與 Varda Shalev、Gabriel Chodick 和 Jacob 教授的合作成果。 Kuint 在由 Tal Patalon 博士領(lǐng)導的 Maccabi KSM 研究和創(chuàng)新中心。該論文重點關(guān)注兩種非常常見的細菌感染，尿路感染和傷口感染，描述了如何利用每位患者過去的感染史來選擇最好的抗生素來開具處方，以減少出現(xiàn)抗生素耐藥性的機會。
感染的臨床治療側(cè)重于將抗生素與病原體的抗性特征正確匹配，但即使是這種正確匹配的治療也可能失敗，因為在治療過程中可能會出現(xiàn)耐藥性。“我們想了解抗生素耐藥性是如何在治療過程中出現(xiàn)的，并找到更好地為每位患者量身定制抗生素治療的方法，不僅可以正確匹配患者當前的感染易感性，還可以最大限度地降低感染復發(fā)和獲得治療耐藥性的風險，” Kishony 教授說。
該方法成功的關(guān)鍵是了解抗生素耐藥性的出現(xiàn)可以在個體患者的感染中預測。細菌可以通過隨機獲得使其具有抵抗力的突變來進化，但該過程的隨機性使其難以預測和避免。然而，研究人員發(fā)現(xiàn)，大多數(shù)患者的感染抵抗力不是通過隨機突變獲得的。相反，由于患者自身微生物組中現(xiàn)有的耐藥細菌再次感染而出現(xiàn)了耐藥性。研究人員將這些發(fā)現(xiàn)轉(zhuǎn)化為優(yōu)勢：他們建議將抗生素與導致患者當前感染的細菌的易感性相匹配，而且與他們微生物組中可以替代它的細菌相匹配。
該論文的第一作者 Mathew Stracy 博士解釋說：“我們發(fā)現(xiàn)，患者過去感染的抗生素敏感性可用于預測他們在抗生素治療后出現(xiàn)耐藥性感染的風險。”“使用這些數(shù)據(jù)以及患者的年齡和性別等人口統(tǒng)計數(shù)據(jù)，我們可以開發(fā)算法。”
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！