德國科學家成功開發出首個能夠為敗血癥患者進行個性化抗生素優化選擇的人工智能（AI）模型。相關成果發表在新一期醫學期刊《npj·數字醫學》上。
敗血癥是當身體免疫系統對感染產生極端反應時出現的一種危及生命的疾病，是德國最常見的死亡原因之一，平均每天約有160人因此死亡。由于在治療開始時病原體通常是未知的，醫生經常求助于廣譜抗生素，但這可能會導致嚴重的副作用，例如腎臟或肝臟損傷。現在，德國科學家嘗試利用AI來協助選擇更合適的抗生素，以應對這一挑戰。
在萊法州衛生部門資助下，一個由科布倫茨大學、科布倫茨應用科技大學和波恩大學醫學院科學家組成的團隊開發出首個在線抗生素選擇模型（OptAB）。該模型完全基于AI數據驅動，適用于考慮副作用的敗血癥患者。其目標是最大限度提高治療成功率（以SOFA評分衡量），同時盡可能減少腎臟和肝臟損傷等嚴重副作用。
OptAB模型基于將神經網絡與微分方程相結合的創新算法，可以處理以不規則測量、缺失值和時間相關混雜因素為特征的復雜患者數據。OptAB可以為萬古霉素、頭孢曲松和哌拉西林/他唑巴坦（組合）提供疾病進展預測，并根據肌酐、總膽紅素和丙氨酸轉氨酶等實驗值，提供有關病程和可能副作用的精確預測。
OptAB確定的最佳抗生素組合比臨床實踐中常用的廣譜抗生素更快顯示出有效性，展示了醫學和AI結合帶來的突破性創新。研究人員還計劃進一步檢驗結果以測試模型的穩健性，以盡快將這一模型用于實際診療中。
