新加坡综合医院（SGH）携手DXC科技公司，开发出名为“增强智能传染病”（AI2D）的人工智能解决方案，旨在优化抗生素处方，减少抗生素滥用，并为每位患者选择最合适的抗生素。AI2D模型利用8000名患者的去标识化数据进行训练，涵盖了肺炎等多种感染类型及七种常用抗生素。Downcodes小编将带您深入了解这项旨在应对全球抗生素耐药性危机的创新成果。
AI2D 模型的构建基于2019至2020年间约8000名 SGH 患者的去标识化临床数据，包括 X 光片、临床症状、生命体征和感染反应趋势，涵盖了七种常用的广谱静脉注射抗生素。研究团队于2023年开展了 AI 模型的初步验证研究，将其与2000个肺炎病例进行了比较。
在研究中，SGH 和 DXC 指出，AI2D 能够将需要审查的病例数量减少三分之一（从2012减少至624）。该 AI 模型还在审查病例中提高了识别需要干预的病例的可能性，达到近12%，而传统人工审查的这一比例仅为4%。此外，某个病例的分析时间，从人工审查的20分钟缩短至 “不到一秒”。
研究显示，该 AI 模型在判断肺炎病例是否需要使用抗生素方面的准确率达到了90%。研究还揭示，在这些病例中，近40% 的抗生素处方可能是多余的。
SGH 表示，肺炎占其医院所有感染的20%，是抗生素处方最频繁的感染类型。患者的住院时间平均在2到9天之间，政府每位接受补贴的患者的住院费用高达5000新元（约3500美元）。根据2018年的抗生素使用审计，SGH 医院发现有20% 至30% 的广谱静脉注射抗生素是多余的，而在新加坡，约30% 的医院获得性感染被认为对广谱抗生素产生了耐药性。
为应对这一全球性问题，医院正在建立抗微生物药物管理计划，以防止抗生素的过度使用，并识别出更合适的窄谱抗生素的推荐时机。运用自动化和人工智能，可以更好地在处方时提供实时洞察，帮助识别需要审查的病例并优先处理。
研究团队目前正在为200名 SGH 住院患者进行比较研究，以测试 AI 模型在减少抗生素使用方面的有效性，未来还将开发针对尿路感染的类似模型。
AI2D项目的成功，为全球抗生素耐药性问题的解决提供了一种新的思路。通过人工智能技术，精准判断抗生素用药的必要性，不仅能有效控制抗生素滥用，还能降低医疗成本，提高医疗效率。Downcodes小编期待未来AI2D能够应用于更多疾病领域，造福更多患者。