IA en la administración de antibióticos

Los programas de administración de antibióticos son esfuerzos coordinados para garantizar que los pacientes reciban el antibiótico, la dosis y la duración adecuados, y ningún antibiótico cuando no sea necesario. En los Estados Unidos, los estándares de la Comisión Conjunta y las condiciones federales de participación de Medicare exigen que los hospitales los administren. Las estrategias comunes incluyen auditorías prospectivas y retroalimentación, donde los farmacéuticos y los médicos de enfermedades infecciosas revisan las recetas activas y sugieren cambios. Otra es la autorización previa, donde ciertos medicamentos necesitan aprobación antes de su uso. El momento más difícil es la terapia empírica: elegir un fármaco antes de que lleguen los resultados del cultivo. La ayuda tradicional es el antibiograma, una tabla de todo el hospital que muestra qué proporción de cada organismo era susceptible a cada fármaco. Pero un antibiograma es un promedio y no dice nada sobre la persona que tienes delante. Un paciente con dos urocultivos resistentes previos y exposición reciente a ciprofloxacina es muy diferente de uno sin antecedentes. Los modelos de aprendizaje automático personalizan esa estimación. Utilizan cultivos previos, antibióticos recientes, hospitalizaciones, residencia en un asilo de ancianos, procedimientos y otras condiciones. En un estudio de 2020 en Science Translational Medicine, Sanjat Kanjilal y sus colegas de Boston entrenaron modelos sobre infecciones del tracto urinario para pacientes ambulatorios. Probado retrospectivamente, su algoritmo podría haber reducido el uso de antibióticos de segunda línea manteniendo al mismo tiempo la tasa de terapia ineficaz similar o inferior a la elección de los médicos. Una segunda línea de trabajo acelera el propio laboratorio. La espectrometría de masas MALDI-TOF ya identifica rápidamente especies bacterianas. Los investigadores, incluido un equipo suizo que creó el conjunto de datos DRIAMS, han entrenado modelos para predecir la resistencia a partir del mismo espectro, lo que podría limitar la terapia antes. Un error común es creer que estas herramientas reducen el uso de antibióticos por sí solas. Un modelo de resistencia no puede decir si un paciente necesita antibióticos en absoluto. No puede distinguir una infección verdadera de una bacteriuria asintomática, por ejemplo. Y bajo presión para tratar una posible sepsis, los médicos pueden agregar una cobertura amplia de todos modos. Las herramientas funcionan mejor como aportaciones al juicio de un equipo de administración, no como sustitutos del mismo.