人工智能(AI)现在能够为重症监护病房的患者提供同日的抗微生物耐药性评估,这对于防止严重的脓毒症病例至关重要。
抗微生物耐药性指的是微生物抵抗治疗的能力,这对全球的医疗保健系统造成了重大挑战。估计这一问题每年造成约120万人死亡,仅英国国家医疗服务体系(NHS)每年就产生至少1.8亿英镑的费用。
血流感染可能对抗生素产生耐药性,并导致危急情况的脓毒症。一旦患者发展为脓毒症,他们极有可能迅速出现器官衰竭、休克或甚至死亡。
过去的抗生素使用、基因构成和饮食等因素——这些因素会影响其微生物组——意味着并非所有患者展示出相同程度的抗微生物耐药性。
研究人员现在正在使用AI技术来评估重症监护病房(ICU)患者的抗微生物耐药性,并检测可能导致脓毒症的血流感染。
来自伦敦国王学院的科学家与盖伊医院和圣托马斯医院NHS基金会的临床医生之间的合作促成了这项跨学科研究,旨在改善危重病患者的预后。
在这一领域取得进展的团队展示了如何利用AI和机器学习实现重症监护病房患者的同日评估,特别是在资源有限的环境中。这项技术还被证明比传统的手动检测方法要更具成本效益。
目前,重症监护病房患者的评估需要广泛的实验室检测,这可能需要长达五天的时间,因为必须培养细菌。这一延迟严重影响患者护理,尤其是那些因严重健康问题而处于脆弱状态的患者。
更快的评估将使临床医生能够及时做出明智的患者治疗决策,包括抗生素的使用。正确的抗生素使用与更好的患者结果密切相关。
来自伦敦国王学院的首席作者达维德·费拉里说道:“我们的研究强化了AI在医疗保健中的积极影响,尤其是在抗微生物耐药性和血流感染方面。正值NHS投资共享数据资源以改善协作和高效的患者护理之际,这一研究显得尤为重要。”
“我们利用机器学习带来了应对抗微生物耐药性这一重大问题的新方法。我们希望这一AI工具能够帮助临床医生作出重要决策,尤其是针对重症监护病房的患者。”
伦敦国王学院的微生物学专家林赛·爱德华兹博士指出:“减少抗微生物耐药性这一严重威胁的一个关键策略是保护现有的抗生素,并迫切需要快速的诊断方法。通常,患有耐药性感染的患者在危急情况下抵达重症监护病房,而传统诊断方法可能没有足够的时间来揭示他们感染的性质。这使临床医生处于一个艰难的境地,他们必须在不清楚具体感染情况的情况下,使用广谱抗生素来拯救患者的生命。”
“然而,使用广谱抗生素可能会消灭患者微生物组中的许多有益微生物,未能有效针对有害病原体,可能使病原体对治疗变得更具耐药性。”
“我们研究结果的影响令人鼓舞;利用AI加速感染诊断可能大大提高患者的生存率和治疗结果,同时保护现有抗生素,并抑制抗微生物耐药性的进一步上升。”
该研究分析了来自盖伊医院和圣托马斯医院NHS基金会的1142名患者的数据,为进一步涉及超过2万名个体的数据的研究铺平了道路。人们对采取更复杂的方法,尤其是在多医院背景下使用联邦机器学习技术,能够满足在NHS前线应用这一AI策略所需的监管标准表示乐观。
伦敦国王学院的公共卫生专家王燕忠教授评论道:“这种创新的机器学习方法的简单性和可扩展性突显了其广泛实施的潜力,为解决这些紧迫的医疗保健挑战提供了可持续的解决方案,并最终改善患者结果。”