抗菌薬感受性の機械学習ベース予測：精密抗菌薬管理への一歩

科学分野:

• 感染症
• 医療情報学
• 計算生物学

背景:

• 抗菌薬耐性（AMR）は、世界的な主要な健康脅威です。
• 経験的な広域スペクトル抗菌薬の使用と感受性データ取得の遅延は、AMRを悪化させます。
• 効果的な治療のためには、培養時に耐性を予測することが重要です。

研究 の 目的:

• 細菌の抗菌薬耐性を予測するための機械学習（ML）モデルを開発および検証すること。
• 耐性予測のために、日常的に収集される電子健康記録（EHR）データを利用すること。
• 早期の経験的抗菌薬選択と抗菌薬管理を強化すること。

主な方法:

• 入院および外来患者の診療記録データを使用してMLモデルを開発および検証しました。
• 細菌培養時に耐性を予測することに焦点を当てました。
• モデルのパフォーマンス、特に、より完全なデータが存在する入院患者の設定で評価しました。

主要な成果:

• MLモデルは、抗菌薬耐性に対して堅牢な予測精度を示しました。
• モデルは、臨床的推論を反映して、耐性パターンを独立して特定しました。
• 特に、入院患者の設定で顕著なパフォーマンスを示しました。

結論:

• EHRデータを使用したMLモデルは、抗菌薬耐性を正確に予測できます。
• 臨床ワークフローへの統合は、経験的な抗菌薬選択を改善できます。
• これらのツールは、抗菌薬管理をサポートし、広域スペクトル抗菌薬の過剰使用を削減します。