Antibiotic-prescribing算法抗生素耐药性的风险减少了一半

抗生素是一把双刃剑:一方面,抗生素治疗细菌感染的关键。另一方面,它们的使用促进了外观和抗药性细菌的增殖。利用基因组测序技术和机器学习分析病人的记录,研究人员已经开发出一种抗生素处方算法出现的抗生素耐药性的风险削减了一半。

在今天出版的论文科学是罗伊Kishony教授的研究小组之间的合作从以色列技术学院生物学和研究所的亨利和玛丽莲陶布学院计算机科学和教授Varda她,Gabriel Chodick雅各Kuint在马卡比KSM Tal Patalon博士为首的研究和创新中心。专注于两个常见的细菌感染,尿路感染伤口感染,本文描述了每个病人感染的过去历史可以用来选择最好的抗生素处方减少的可能性抗生素耐药性出现。

临床治疗感染的重点是正确匹配的抗生素耐药性病原体的概要,但即便是这样正确匹配的治疗和阻力可以出现在治疗本身可能会失败。“我们想了解抗生素耐药性出现治疗期间,找到方法来更好的为病人量身定做抗生素治疗不仅正确地匹配当前病人的感染的易感性,但也感染复发的风险降到最低,并获得抵抗治疗,“Kishony教授说。

方法的成功的关键是理解,抗生素耐药性的出现可以预测个体病人的感染。细菌可以通过随机获得进化使得他们的耐药突变,但随机性的过程很难预测和避免的。然而,研究人员发现,在大多数患者抗感染不是通过随机突变。相反,电阻由于现有的再感染耐药细菌的出现病人自身的微生物。研究人员将这些研究结果变成一个优势:他们提出匹配不仅一种抗生素的敏感性细菌引起感染病人的当前,但还在微生物细菌,可以取代它。

“我们发现,病人的过去感染的抗生素敏感性可以用来预测返回与耐药的风险感染抗生素治疗后,”马修Stracy博士解释道,论文的第一作者。“使用这些数据,与患者的年龄和性别等人口统计,允许我们开发的算法。”