Une nouvelle recherche du Centres for Antimicrobien Optimization Network (CAMO-Net) de l'Université de Liverpool a montré que l'utilisation de l'intelligence artificielle (IA) peut améliorer la façon dont nous traitons les infections des voies urinaires (IVU) et aider à lutter contre la résistance aux antimicrobiens (RAM).
La RAM survient lorsque des bactéries, des virus, des champignons et des parasites évoluent et ne répondent plus à des traitements autrefois efficaces. Cette résistance entraîne des séjours hospitaliers plus longs, des coûts médicaux plus élevés et des taux de mortalité accrus, ce qui constitue une menace importante pour la santé publique et rend potentiellement les infections courantes incurables.
Les tests de diagnostic traditionnels des infections urinaires, connus sous le nom de tests de sensibilité aux antimicrobiens (AST), utilisent une approche universelle pour déterminer quels antibiotiques sont les plus efficaces contre une infection bactérienne ou fongique spécifique. Cette nouvelle recherche, publiée dans Communications naturellespropose une méthode personnalisée, utilisant des données en temps réel pour aider les cliniciens à cibler les infections avec plus de précision et à réduire le risque que les bactéries deviennent résistantes au traitement antibiotique.
La recherche, dirigée par le Dr Alex Howard, consultant en microbiologie médicale à l'Université de Liverpool et chercheur sur le CAMO-Net financé par le Wellcome Trust, a utilisé l'IA pour tester des modèles de prédiction pour 12 antibiotiques en utilisant des données réelles de patients et a comparé l'AST personnalisé avec la norme. méthodes. L’approche personnalisée basée sur les données a conduit à des options de traitement plus précises, en particulier avec les antibiotiques WHO Access, connus pour être moins susceptibles de provoquer une résistance.
Le Dr Alex Howard a déclaré : «Cette recherche est importante et opportune pour la Semaine mondiale de sensibilisation à la RAM, car elle montre comment la combinaison de données de santé de routine avec des tests de laboratoire peut aider à maintenir l’efficacité des antibiotiques. En utilisant l’IA pour prédire quand les personnes souffrant d’infections urinaires auront des microbes résistants aux antibiotiques, nous montrons comment les tests de laboratoire peuvent mieux orienter leur traitement antibiotique. Cette approche pourrait améliorer les soins des personnes infectées dans le monde entier et aider à prévenir la propagation de la résistance aux antibiotiques.
Les résultats de cette étude représentent une avancée significative dans la lutte contre la RAM. En donnant la priorité aux antibiotiques de la catégorie d'accès de l'OMS et en adaptant le traitement aux profils de sensibilité individuels, l'approche AST personnalisée améliore non seulement l'efficacité du processus de test, mais soutient également les efforts mondiaux visant à préserver l'efficacité des antibiotiques critiques.
