Nat Commun：科学家利用新技术识别出抗生素耐药性的“全局动态变化”

抗生素耐药性代表了一个日益增长的医学问题，在这一问题上，原始的临床数据作为追踪问题规模的一种手段或许并未得到充分地利用。如今科学家们已经能利用来自人工智能的理念来识别全球抗生素耐药性的模式，近日，一篇发表在国际杂志Nature Communications上题为“Seeking patterns of antibiotic resistance in ATLAS, an open, raw MIC database with patient metadata”的研究报告中，来自埃克塞特大学等机构的科学家们通过研究利用数学模型从全球收集的650万个数据点中提取出了抗生素耐药性的模式。

研究人员分析了来自医疗公司和卫生机构的大量数据集，旨在识别出能确定抗生素耐药性如何发生变化的模式；医学上最完整的数据集是由辉瑞公司发布的，如今其已经整理了20年的相关数据；利用称之为ATLAS的数据集，研究人员就能比较在公共领域中已有的信息来突出差异并预测未来耐药性的增加情况。研究者发现，ATLAS能提供一种明显不同的图像，包括此前并未观察到的抗性，同时还强调了非洲所提供的数据的相对缺乏。

研究人员认为，新技术或能极大地促进对抗生素耐药性如何以及在哪里增长的理解和分析，Beardmore教授表示，AI是一种能帮助解决抗生素耐药性问题的“盒子”，但国家卫生机构需要公布更多的数据来实现这一目的。耐药性似乎的确在增加，但即使因为成功的卫生政策的变化或新的医疗技术而下降，缺失的数据也会使得这些下降难以被发现。抗生素年药性被认为是对全球公众健康最大的威胁之一，其会影响到任何国家的任何年龄段的人群。

科学家利用新技术识别出抗生素耐药性的“全局动态变化”

图片来源：Nature Communications (2022). DOI: 10.1038/s41467-022-30635-7

虽然抗生素耐药性是自然发生的，但人类对抗生素的过度使用以及滥用正在导致这一过程加速发生，因此，诸如败血症、肺炎和结核病等越来越多的疾病正在变得难以治疗。抵御抗生素耐药性的关键因素在于强调其可能会在哪里爆发，以及针对什么样的疾病模式；这些新技术燏能提供一种关键的工具来帮助研究人员找到更多方法来从数百万个数据点中提取出抗生素耐药性的模式。研究者Pablo Catalan表示，我们对ATLAS进行研究结果表明，患者机体的抗生素耐药性发生或许是一个动态过程，其包含了很多模式，我们所拥有的数据越多，就越能理解这种模式，并理解如何利用措施将抗生素耐药性降低或者使得情况变得更加糟糕。

研究者Jon Iredell说道，当从患者机体中提取细菌样本后，或许就会增加我们对抗生素耐药性模式理解的机会，而目前我们从未采取过这种做法。而本文研究中，研究人员开发的这种新技术或许就能帮助识别出抗生素耐药性的“全局动态”图谱。（生物谷Bioon.com）

原始出处：

Catalán, P., Wood, E., Blair, J.M.A. et al. Seeking patterns of antibiotic resistance in ATLAS, an open, raw MIC database with patient metadata. Nat Commun 13, 2917 (2022). doi：10.1038/s41467-022-30635-7