鄭集楊 發(fā)自 凹非寺

量子位 報道 | 公眾號 QbitAI

隨著抗生素的濫用，抗生素耐藥性已經(jīng)成為日趨嚴(yán)重的問題。

據(jù)《病理學(xué)》一書的統(tǒng)計，全球每年感染病死亡數(shù)從上世界60年代約700萬人上升到了本世紀(jì)的2000萬。

科學(xué)家們正在努力緩解這個趨勢，目前最新的方案是：用算法進(jìn)行指導(dǎo)，在保持療效下，減少不必要的抗生素使用。

11月4日，這項來自MIT和哈佛大學(xué)醫(yī)學(xué)院的研究團(tuán)隊的相關(guān)進(jìn)展，發(fā)布在了Science的子刊Science Translational Medicine上。

就讓我們帶大家了解一下抗生素耐藥性及如何利用算法進(jìn)行控制管理吧。

抗生素耐藥性

大量抗生素的濫用會對細(xì)菌進(jìn)行自然選擇，使那些進(jìn)化出抗生素抗性的菌存活了下來，產(chǎn)生出了抗生素耐藥性的問題。

目前，對于應(yīng)對抗生素耐藥性這個問題，主要的方法有：

人工研發(fā)或者從自然界發(fā)現(xiàn)新型的抗生素；

控制管理抗生素的使用，減少抗生素的濫用；

使產(chǎn)生耐藥性的菌對抗生素失去抗性。

“研發(fā)新藥”是最直接且有效，但是速度是遠(yuǎn)趕不及抗生素耐藥性的形成。于是，讓目前最容易控制且實現(xiàn)的“管理控制抗生素方法”標(biāo)準(zhǔn)化且普遍化，已然是醫(yī)學(xué)界的共識。

但是，如何有效管理控制，仍存在著問題：缺少明確的指標(biāo)。目前，管理控制上更多依賴的是過往的經(jīng)驗。

而這項研究，便是利用大數(shù)據(jù)算法，給出了一個模型作為指標(biāo)，來對抗生素的使用進(jìn)行更精確有效的管理，以防止濫用進(jìn)一步地加劇。

模型與算法

尿路感染（UTI）是相對容易進(jìn)行治療的疾病，因此研究者們對其進(jìn)行了初步的嘗試，希望得出能夠預(yù)測最低抗生素用量的決策算法。

數(shù)據(jù)來源于電子健康記錄（EHR），選取的抗生素對象有四類：呋喃妥因（NIT）、甲氧芐啶-磺胺甲噁唑（TMP-SMX）、環(huán)丙沙星（CIP）以及左氧氟沙星（LVX）。

在這里，研究者將細(xì)菌的表型數(shù)據(jù)分為兩類，之后設(shè)定一個閾值，在這個閾值之上被歸類為“不敏感”，在該閾值之下則被歸類為“敏感”，四種抗生素療法使用了四個不同的閾值。

最后，研究者嘗試了三種模型構(gòu)建方式：決策樹、邏輯回歸和隨機(jī)森林模型。

之后，研究者共選擇了自2007年1月1日至2013年12月31日期間提交的患者尿液標(biāo)本數(shù)據(jù)對模型進(jìn)行訓(xùn)練。

通過對70%的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練（訓(xùn)練集），并對剩余30%的訓(xùn)練數(shù)據(jù)（驗證集）進(jìn)行AUROC評估，來調(diào)整模型類別和抗生素的每個組合的超參數(shù)。

在不敏感的數(shù)據(jù)歸類中，結(jié)果顯示，呋喃妥因和甲氧芐啶-磺胺甲噁唑的治療效果是最好的，環(huán)丙沙星也略優(yōu)于左氧氟沙星。

因此，為了更好地解釋和預(yù)測現(xiàn)象，研究者選擇了藥效最弱的左氧氟沙星進(jìn)行后續(xù)預(yù)測和分析。

有效的結(jié)果

訓(xùn)練結(jié)束之后，研究者選擇了結(jié)果最好的邏輯回歸模型進(jìn)行預(yù)測，并與自2014年至2016年間的患者組成的數(shù)據(jù)進(jìn)行對比。

將模型應(yīng)用于2014年至2016年之間的3629名患者并驗證后，預(yù)測結(jié)果還是相當(dāng)出色的：

該算法相對于臨床醫(yī)生而言，二線藥物的使用減少了67%；

相對于臨床醫(yī)生，算法減少了18%的低于有效抗生素用量的治療方案；

在臨床醫(yī)生選擇二線藥物，但算法選擇一線抗生素中，92%結(jié)果最終對一線藥物敏感；

當(dāng)臨床醫(yī)生選擇了不合適的一線藥物中，有47%算法是選擇了合適的一線藥物的。

對此，研究人員說道：

這項機(jī)器學(xué)習(xí)的決策算法，在保持最佳的治療效果同時，能夠最大限度地減少廣譜抗生素的使用，這為抗生素管理提供了方案。

作者及未來的研究

該研究的通訊作者是來自麻省理工學(xué)院副教授David Sontag：

其任教于麻省理工學(xué)院電氣工程和計算機(jī)科學(xué)，隸屬于醫(yī)學(xué)工程和科學(xué)研究所和計算機(jī)科學(xué)和人工智能實驗室。

研究重點是推進(jìn)機(jī)器學(xué)習(xí)和人工智能，并利用它們來改進(jìn)醫(yī)療保健。

對于未來的工作，David Sontag表示：

未來的工作將集中在進(jìn)行隨機(jī)對照實驗，將常規(guī)方法與算法支持的決策進(jìn)行比較。

另外，還可以增加樣本量的多樣性，比如族裔、社會經(jīng)濟(jì)地位以及更復(fù)雜的健康背景方面等。以更好地提出治療的改進(jìn)建議。

原文鏈接：

https://stm.sciencemag.org/content/12/568/eaay5067

— 完 —

本文系網(wǎng)易新聞?網(wǎng)易號特色內(nèi)容激勵計劃簽約賬號【量子位】原創(chuàng)內(nèi)容，未經(jīng)賬號授權(quán)，禁止隨意轉(zhuǎn)載。

原標(biāo)題：《MIT的這個AI，專治抗生素濫用，二次抗生素直降67%》

閱讀原文