← 最新论文
📄 医学

Concordance of AI-driven antimicrobial recommendations using rapid molecular versus phenotypic-optimized workflows for bloodstream infections: a prospective study in a resource-limited setting

这项前瞻性研究表明,将快速分子诊断、人工智能驱动的初步指导以及随后的表型优化相结合的综合诊疗方案,在资源匮乏的环境下,能够显著缩短血流感染达到适当抗菌药物治疗的时间,同时保持极高的诊断与治疗一致性。

原作者: Juan C Gomez de la Torre, Ari Frenkel, Carlos Chavez-Lencinas, Alicia Rendon, Luis Alvarado, Jose Alonso Cáceres-DelAguila, Diana Minchon-Vizconde, Miguel Hueda-Zavaleta

发布于 2026-09-25
📖 1 分钟阅读☕ 轻松阅读

原作者: Juan C Gomez de la Torre, Ari Frenkel, Carlos Chavez-Lencinas, Alicia Rendon, Luis Alvarado, Jose Alonso Cáceres-DelAguila, Diana Minchon-Vizconde, Miguel Hueda-Zavaleta

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

当患者出现血流感染时,计时器便立即开始跳动。细菌正在血液中大量繁殖,每过去一个小时而没有使用正确的抗生素,死亡的风险就会增加。几十年来,对抗这些感染的标准方法一直是一个缓慢且审慎的过程。医生采集血液样本,将其放入机器中观察是否会长出任何东西,然后等待数天,直到细菌繁殖到足以被识别并进行药物敏感性测试。这种通常持续两到三天的等待期,迫使医生在最初阶段只能靠猜测来决定使用哪种药物。如果猜错了,患者就会遭受痛苦,而且细菌可能会对药物产生耐药性,使得日后更难被杀灭。

为了解决这个问题,科学家们开发了两种强大的工具:快速分子检测和人工智能。分子检测就像是一个高速扫描仪,能在几小时而非几天内识别出细菌独特的遗传指纹。在这种背景下,人工智能是一个经过海量医疗数据训练的计算机系统,它能根据发现的特定细菌和患者的病史提供“第二意见”,建议最佳药物。医学界面临的一个大问题是,这些快速工具是否可以被信任到能够独立指导治疗,还是说医生仍然必须等待传统的慢速测试来确认结果。来自秘鲁的一项新研究探讨了将这些快速工具与传统的可靠方法相结合,是否能创造出一条更安全、更快速的康复路径。

秘鲁利马一家大型医院的研究人员致力于测试一种用于治疗血流感染的新型集成方法。他们追踪了237名确诊血流感染的患者。对于每位患者,实验室同时运行了两条平行的路径。在第一条路径上,他们使用快速分子检测,在血液样本转为阳性的几小时内,识别细菌并检查已知的耐药基因。这些信息被立即输入到一个名为 OneChoice 的人工智能系统中,该系统根据遗传数据和患者的个体健康因素生成特定的抗生素建议。在第二条路径上,即传统的路径,相同的血液样本被培养在培养皿中,这是一个耗时较长的过程。一旦细菌生长到足够数量,就会使用另一种技术进行鉴定,并针对多种抗生素进行测试,以观察哪些药物可以杀死它们。随后,这些传统数据被输入到第二个更先进的人工智能系统 OneChoice Fusion 中,该系统将新的遗传结果与传统的实验室结果相结合,从而制定出优化的治疗方案。

研究发现,分子检测方法的速度显著提高。平均而言,分子检测比传统的培养方法提前约33小时提供结果。这意味着等待时间减少了近三分之二。更重要的是,研究人员检查了快速的 AI 驱动建议与最终的优化建议之间的匹配程度。在超过81%的病例中,快速系统给出的初始建议与完成慢速测试后的最终建议完全一致。这意味着对于绝大多数患者,医生可以在不需要更改方案的情况下,提前一天多开始正确的治疗。

然而,研究也揭示了快速方法的局限性。在大约19%的病例中,一旦传统测试结果到达,初始建议就需要进行调整。研究人员发现,造成这些调整的主要原因并非未能识别出细菌,而是未能检测到特定类型的耐药性。快速分子检测寻找的是已知的耐药遗传标记。如果一种细菌具有尚未被映射到特定基因的耐药机制,或者耐药性源于复杂的染色体变化而非简单的基因变化,快速测试可能会漏掉它。在这些特定情况下,传统测试对于捕捉耐药性并确保患者接受正确的药物至药关重要。

研究结果表明,最佳策略不是在速度和准确性之间做选择,而是使用一种分层的序列。由人工智能引导的快速分子检测可以几乎立即让患者进入正确的治疗路径,节省关键时间。随后,传统测试充当“安全网”,稍后到达以确认方案或进行必要的微调。在本研究中,这种结合的方法意味着100%的患者最终都接受了完美且个性化的治疗,但大多数患者比仅使用传统方法所能达到的速度提前了33小时接受了适当的护理。

这项工作在药物耐药性普遍存在的地区(例如秘鲁部分地区,那里的标准抗生素耐药性很高)显得尤为重要。在这些环境下,猜错抗生素可能是致命的。通过使用快速测试来迅速缩小选项范围,并利用慢速测试来验证细节,医院可以减少患者使用错误药物的时间。该研究并未测量这种快速方法是否直接挽救了生命,因为那需要不同类型的长期试验,但数据有力地表明,缩短使用正确抗生素所需的时间是提高生存率的关键步骤。研究证实,虽然快速测试功能强大,但当它们与传统方法的严谨性相结合时效果最佳,从而创造出一个既迅速又精准的系统。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →