抗菌薬耐性への新しいアプローチ: ICU におけるカルバペネム耐性クレブシエラ菌の機械学習予測 (ICU)

抗菌薬耐性の脅威は世界的に増大しており、公衆衛生と経済の両方に深刻な影響を及ぼしています。 耐性微生物によって発症する可能性のある感染症では、治療の選択肢が限られているため、耐性を予測して早期に効果的な治療を開始することが、患者の予後に違いをもたらします。

今日、人工知能と機械学習は私たちの医療行為を変えています。 文献をレビューすると、機械学習が抗菌薬耐性を予測できることを示唆する研究があります。カルバペネム耐性クレブシエラ属のリスク因子。 は以前に特定されています。 以前に特定されたこれらの危険因子は、私たち自身の患者において遡及的に評価され、耐性の予測に関連するアルゴリズムが機械学習の助けを借りて開発されます。

私たちの目標は、将来、人工知能を使用して集中治療室でモニタリングされる患者の細菌耐性をより早期に予測し、患者が早期かつ効果的な治療選択肢にアクセスできるようにすることです。

第二に、不必要な抗生物質の使用を防ぎ、経済的利益をもたらすことも目的としています。

患者のデータへのアクセスは、病院の自動化システムを通じて遡及的に取得されます。

文献の発表が調査され、カルバペネム耐性クレブシエラ属菌による感染の発症を引き起こす危険因子が調査されます。 評価されます。

カルバペネム耐性と感受性のある患者は、2 つの別々のサブグループで比較されます。

取得された特徴は、さまざまな決定木とニューラル アルゴリズムを個別に使用して分類されます。 得られたデータは、耐性と感度を区別して統計的に比較されます。 統計的評価は、IBM SPSS 29.0 (IBM Corp.、米国ニューヨーク州アーモンク) を使用して行われました。 人口統計データ、記述統計、カテゴリ変数は頻度 (パーセンテージ) で表されます。

カテゴリ変数はカイ二乗検定で表されます。 機械学習アルゴリズムのパフォーマンスは ROC 分析によって評価され、AUC、分類精度、感度、特異度の値が計算されます。