【Science】新算法选择最佳抗生素，耐药性风险降低一半！

抗生素是一把双刃剑：一方面，抗生素对治愈细菌感染至关重要。另一方面，它们的使用促进了抗生素耐药菌的出现和增殖。利用基因组测序技术和患者记录的机器学习分析，研究人员开发了一种抗生素处方算法，将出现抗生素耐药性的风险降低了一半。

发表在《Science》杂志上的这篇论文，题为“Minimizing treatment-induced emergence of antibiotic resistance in bacterial infections”，是以色列理工学院的Roy Kishony教授及由Tal Patalon博士领导的以色列KSM马卡比研究与创新中心的Varda Shalev教授、Gabriel Chodick教授合作。本文针对两种非常常见的细菌感染，尿道感染和伤口感染，描述了如何利用每个患者的既往感染史来选择最佳的抗生素，以减少出现抗生素耐药性的机会。

感染的临床治疗重点是正确匹配抗生素与病原体的耐药性特征，但即使是这种正确匹配的治疗也可能失败，因为治疗本身可能出现耐药性。Kishony教授说：“我们希望了解抗生素耐药性是如何在治疗过程中出现的，并找到更好的方法为每位患者量身定制抗生素治疗方案，不仅要正确匹配患者目前的感染易感性，而且要将他们感染复发和获得治疗耐药性的风险降至最低。”

该方法成功的关键是了解在个体患者的感染中可以预测抗生素耐药性的出现。细菌可以通过随机获得使其产生耐药性的突变来进化，但该过程的随机性使得很难预测和避免。然而，研究人员发现，在大多数患者的感染中，耐药性并不是由随机突变获得的。相反，由于患者自身微生物组的已有耐药菌再感染，出现了耐药性。研究人员将这些发现变成了一个优势：他们提出将一种抗生素不仅与引起患者当前感染的细菌的易感性相匹配，而且与它们微生物组中可以替代它的细菌相匹配。 

论文第一作者Mathew Stracy博士解释说：“我们发现，患者过去感染的抗生素敏感性可以用来预测他们在抗生素治疗后因耐药感染而复诊的风险。利用这些数据，加上患者的人口统计学资料如年龄和性别，使我们能够开发出算法。”（转化医学网360zhyx.com）

参考资料：

https://medicalxpress.com/news/2022-02-antibiotic-prescribing-algorithm-antibiotic-resistance.html