Nature子刊：研究人员使用人工智能来改善耐药感染的诊断

杜兰大学的科学家们开发了一种新的基于人工智能的方法，可以更准确地检测结核病和葡萄球菌等致命细菌的抗生素耐药性。这一突破可能会带来更快、更有效的治疗方法，并有助于缓解耐药性感染的上升，这是一场日益严重的全球健康危机。

　　

耐药感染——尤其是来自结核病和葡萄球菌等致命细菌的感染——正在成为日益严重的全球健康危机。这些感染更难治疗，通常需要更昂贵或有毒的药物，并且住院时间更长，死亡率更高。根据世界卫生组织的数据，仅在2021年，就有45万人患上了耐多药结核病，治疗成功率降至57%。

现在，杜兰大学的科学家们已经开发出一种新的基于人工智能的方法，可以更准确地检测结核分枝杆菌和金黄色葡萄球菌抗生素耐药性的遗传标记，这可能会导致更快、更有效的治疗。

杜兰大学发表在《自然通讯》上的一项研究引入了一种新的群体关联模型（GAM），该模型使用机器学习来识别与耐药性相关的基因突变。与可能错误地将不相关的突变与耐药性联系起来的传统工具不同，GAM不依赖于对耐药性机制的先验知识，使其更加灵活，能够发现以前未知的遗传变化。

世界卫生组织等组织目前使用的检测耐药性的方法要么耗时太长（如基于培养的检测），要么错过罕见的突变（如一些基于dna的检测）。杜兰的模型通过分析整个基因组序列和比较具有不同耐药模式的细菌菌株群来找到可靠地表明对特定药物耐药的遗传变化，从而解决了这两个问题。

资深作者、韦瑟黑德生物技术创新主席、杜兰大学细胞与分子诊断中心主任托尼·胡博士说：“可以把它看作是利用细菌的整个遗传指纹来发现是什么使细菌对某些抗生素免疫。”“我们实际上是在教会计算机识别阻力模式，而不需要我们先指出它们。”

在这项研究中，研究人员将GAM应用于7000多种Mtb菌株和近4000种金黄色葡萄球菌菌株，确定了与耐药性相关的关键突变。他们发现GAM不仅匹配或超过世卫组织耐药数据库的准确性，而且还大大减少了假阳性，即错误识别的耐药标记可能导致不适当的治疗。

杜兰大学细胞和分子诊断中心的研究生Julian Saliba说：“目前的基因测试可能会错误地将细菌分类为耐药性，从而影响病人的护理。”“我们的方法提供了一个更清晰的画面，哪些突变实际上导致了耐药性，减少了误诊和不必要的治疗变化。”

当与机器学习相结合时，利用有限或不完整的数据预测阻力的能力得到了提高。在使用中国临床样本的验证研究中，机器学习增强模型在预测关键一线抗生素耐药性方面优于基于世卫组织的方法。

这一点很重要，因为及早发现耐药性可以帮助医生在感染扩散或恶化之前制定正确的治疗方案。

该模型不需要专家定义的规则就能检测出耐药性，这也意味着它有可能应用于其他细菌甚至农业，在农业中，抗生素耐药性也是农作物的一个问题。

“至关重要的是，我们要走在不断发展的耐药感染的前面，”Saliba说。“这个工具可以帮助我们做到这一点。”