科学家通过机器学习模型，为脓毒症治疗“争分夺秒”
这项研究的结果表明，个性化的抗生素治疗时间建议模型可以帮助医生更好地决策，避免治疗延迟或过早给药带来的潜在危害，同时降低患者的死亡率和医疗成本。
脓毒症是一种由感染引起的炎症反应过度导致组织损伤、器官衰竭和死亡的疾病。脓毒症会导致 6% 医院住院率和 35% 住院死亡率，每年在美国的经济负担超过 270 亿美元。目前，脓毒症治疗指南建议在所有疑似脓毒症或感染性休克患者中启动广谱抗生素治疗并在 1 小时内完成抗生素的给药。
然而，最近的一些研究表明该“一刀切”式治疗指南或许会产生严重的药物副作用，比如抗生素的耐药性和艰难梭菌（Clostridium difficile）导致的腹泻、发烧、恶心以及腹痛。因此，急需为脓毒症患者制定个性化的抗生素治疗时机，以避免不必要的风险。
最近，美国俄亥俄州立大学医学人工智能实验室的科学家们研发了一种新方法。他们通过机器学习和因果推理的技术对脓毒症的最佳治疗时间、对脓毒症患者使用抗生素的医疗决策进行评估和推荐，以此来更好地帮助医生对患者提供个性化治疗方案。
该团队致力于构建一个更加完善和可靠的临床决策系统，精确提供最佳的抗生素用药时间。在未来实际的临床部署中，将在该模型的基础上，有效结合临床治疗指南以及医生的实际临床经验从而进一步优化模型推荐结果。
4 月 6 日，相关论文以《在脓毒症抗生素管理中预测治疗时间对治疗效果的影响》（Estimating treatment effects for time-to-treatment antibiotic stewardship in sepsis）为题发表在Nature 子刊 Nature Machine Intelligence 上[1]。
俄亥俄州立大学计算机科学与工程系博士生刘若琦为该论文第一作者，该校计算机科学与工程系和生物医学信息学系双聘助理教授张平为论文通讯作者。
该团队提出了一种称为“T4”的新方法，来评估脓毒症治疗时间及抗生素治疗的效果。T4 是通过分析病人的历史观测数据，控制动态的混淆变量，评估未来不同治疗时间对应的个体潜在结果和因果效应，从而确定个性化的最佳抗生素治疗时间。
相关实验分别在美国和欧洲的两个真实世界病人数据上，来评测个体因果效应的准确性以及模型推荐的抗生素治疗时机的有效性。
如果想详细了解，可以点开视频下方的链接。
谢谢观看本视频。要是喜欢，请订阅、点赞。谢谢
