Sztuczna inteligencja w zarządzaniu antybiotykami

Programy zarządzania antybiotykami to skoordynowane działania mające na celu zapewnienie pacjentom odpowiedniego antybiotyku, jego dawki i czasu trwania, a także zaprzestania stosowania antybiotyku, gdy nie jest on potrzebny. W Stanach Zjednoczonych standardy Komisji Wspólnej i federalne warunki uczestnictwa Medicare wymagają, aby szpitale je prowadziły. Typowe strategie obejmują audyt prospektywny i informacje zwrotne, podczas których farmaceuci i lekarze chorób zakaźnych przeglądają aktywne recepty i sugerują zmiany. Innym jest preautoryzacja, w ramach której niektóre leki wymagają zgody przed użyciem. Najtrudniejszym momentem jest terapia empiryczna: wybór leku przed otrzymaniem wyników posiewu. Tradycyjną pomocą jest antybiogram, czyli ogólnoszpitalna tabela pokazująca, jaka część każdego organizmu była podatna na dany lek. Ale antybiogram jest wartością średnią i nie mówi nic o osobie stojącej przed tobą. Pacjent z dwoma wcześniejszymi posiewami moczu opornymi na leczenie i niedawną ekspozycją na cyprofloksacynę bardzo różni się od pacjenta bez historii choroby. Modele uczenia maszynowego personalizują te szacunki. Wykorzystują wcześniejsze posiewy, niedawne antybiotyki, hospitalizacje, pobyt w domu opieki, procedury i inne warunki. W badaniu przeprowadzonym w 2020 r. w Science Translational Medicine Sanjat Kanjilal i współpracownicy z Bostonu przeszkolili modele w zakresie ambulatoryjnych zakażeń dróg moczowych. Przetestowany retrospektywnie, ich algorytm mógł zmniejszyć stosowanie antybiotyków drugiego rzutu, utrzymując jednocześnie odsetek nieskutecznych terapii na poziomie podobnym lub niższym niż wybór klinicystów. Druga linia pracy przyspiesza samo laboratorium. Spektrometria mas MALDI-TOF umożliwia już szybką identyfikację gatunków bakterii. Naukowcy, w tym szwajcarski zespół, który zbudował zbiór danych DRIAMS, opracowali modele umożliwiające przewidywanie oporności na podstawie tych samych widm, co mogłoby szybciej zawęzić terapię. Powszechnym błędnym przekonaniem jest to, że narzędzia te same ograniczają stosowanie antybiotyków. Model oporności nie jest w stanie stwierdzić, czy pacjent w ogóle potrzebuje antybiotyków. Nie pozwala na przykład odróżnić prawdziwej infekcji od bezobjawowej bakteriurii. Pod presją leczenia potencjalnej sepsy lekarze i tak mogą dodać szeroki zakres. Narzędzia te sprawdzają się najlepiej jako dane wejściowe zespołu zarządzającego, a nie jako ich zamienniki.