人体在遭受细菌感染后出现感染症状，需要应用抗生素来抵抗细菌的侵袭，选择与细菌病原体相匹配的敏感抗生素尤为重要，然而即使是敏感的抗生素也可能由于多次应用后使细菌病原体产生耐药性，从而导致抗感染治疗失败。
近日，来自以色列理工学院的研究团队设计出基于人工智能的个性化抗生素治疗策略，相关研究成果发表在《Science》上，题为“Minimizing treatment-induced emergence of antibiotic resistance in bacterial infections”。
研究人员将1113种治疗前和治疗后的细菌分离株与对140349例泌尿系感染和7365例伤口感染的全基因组测序进行分析，研究发现在大多数感染的患者中，耐药性不是通过随机突变获得的，而是由于患者自身微生物群中已有的耐药菌再次感染而出现的。因此，在选择敏感抗生素时，不仅需要与目前感染的细菌敏感度匹配，还需要与患者自身原有的微生物群中反复感染的细菌相匹配。研究人员将这些数据通过机器计算学习，可以有效利用患者既往感染病史以及抗生素应用史推荐出个性化抗生素应用方案。
这项研究为合理化使用抗生素，减少抗生素产生耐药性提供了一定的设计构想和理论基础。
论文链接：https://www.science.org/doi/10.1126/science.abg9868
注：此研究成果摘自《Science》，文章内容不代表本网站观点和立场，仅供参考。
免责声明：本网转载自其它媒体的文章，目的在于弘扬科技创新精神，传递更多科技创新信息，宣传国家科技政策，展示国家科技形象，增强国家科技软实力，参与国际科技舆论竞争，提高国际科技话语权，并不代表本网赞同其观点和对其真实性负责，在此我们谨向原作者和原媒体致以崇高敬意。如果您认为本网文章及图片侵犯了您的版权，请与我们联系，我们将第一时间删除。
