使用处方者知情的治疗效用预测在尿路感染中的算法性抗生素决策

为常见感染提供更聪明的抗生素选择

尿路感染（UTI）是人们使用抗生素的最常见原因之一。然而，选择合适的药物是一项权衡：医生既要治愈感染、避免严重副作用，又要保护社会免受加剧的抗生素耐药性影响。本研究提出了一种新型决策算法，旨在通过将大规模医院数据与医生的现实优先事项相结合，支持临床医师选择既对患者有效又对更广泛群体更安全的抗生素。

强力药物的问题

现代医学依赖抗生素，但广谱、“大炮式”药物的过度使用正在推动全球抗微生物耐药危机。联合国设定了一个目标：到2030年，全球70%的抗生素使用应来自较窄的、作为首选的世界卫生组织“可及”（Access）类药物。实际上，许多临床医师倾向于使用更广谱的“观察”（Watch）或“保留”（Reserve）类药物，因为他们担心较窄的选择在遇到耐药细菌时可能会失败，尤其是当患者病情严重时。结果，我们常常用长期的耐药风险来交换短期的安心，而缺乏明确工具来判断何时更安全、较窄的药物实际上也能同样有效。

教算法像临床医生一样思考

研究人员构建了一个以尿路感染为重点的抗生素决策算法，使用来自波士顿近94,000名住院患者的详细电子病历。首先，他们训练预测模型来估计针对13种不同抗生素，致病细菌对其敏感的概率，以及治疗可能引发的问题，例如艰难梭状芽孢杆菌（Clostridioides difficile）感染或严重药物毒性。接着，他们邀请了来自多学科的49名英国临床医师完成一项在线排序任务，在任务中从虚构的抗生素选项中做出选择，这些选项在副作用风险、是否适用于尿路感染、成本、所属Access或Watch/Reserve类别以及口服或静脉给药等特性上有所不同。通过分析这些排序，团队量化了医生对每一特征的重视程度——例如，他们在多大程度上更偏好针对尿路感染、毒性低、口服给药的药物，而不是风险更高或更强效的选择。

为病情危重的患者添加安全网

最终算法将这两类要素结合：数据驱动的预测与临床医生的价值判断。对于每位患者，它计算每种抗生素的“治疗价值”，考虑该药物预计的有效概率、发生严重副作用的几率、其Access/Watch/Reserve分类以及是否为口服或静脉制剂。关键是，算法还内置了一个基于急诊科中患者严重程度的安全机制。随着病情加重，算法自动增加对强力进攻性治疗和可用静脉给药途径的权重。换言之，对于病情轻微的患者，它倾向于优先选择较窄谱的口服药；而随着患者病情恶化，则逐步更愿意使用更强、更常为静脉给药的抗生素以防止治疗失败。

算法与医生的比较表现

研究团队随后在真实急诊病例中进行了模拟，这些病例的患者被诊断为尿路感染并采集了尿培养。他们比较了临床医生实际给出的抗生素与在送培养时算法会选择的药物。两种方法在选择能覆盖患者细菌的抗生素方面表现相当。然而，算法在此基础上更多地选择了窄谱的Access类药物和更多的口服治疗，同时使用较少的静脉注射抗生素。对于病情较重的患者，算法的行为与人类开方者类似，适当地转向静脉和更强效的药物。不同之处在于，算法能够识别额外的机会——尤其是在病情中等的患者中——安全地使用口服的Access类药物（如硝基呋喃妥因和氨苄青霉素-舒巴坦），而不是默认选择更广谱的选项。

对日常护理的意义

对普通读者来说，关键的信息是该系统并不取代医生；相反，它像一个为复杂的风险—收益权衡提供计算的工具，临床医师关心这些权衡但难以在脑中精确计算。通过将临床医生自身的优先事项与关于抗生素表现的大规模证据结合，算法能够建议对个体患者同样有效但对身体和公共健康更友好的治疗方案——在安全的情况下优先口服而非静脉给药，尽可能使用较窄的药物而非最后一线药物。如果在更多环境中得到验证，此类工具可帮助医院和医疗体系更接近负责任用抗生素的全球目标，同时不牺牲对病情危重感染患者的安全保障。

引用: Howard, A., Green, P.L., Zhong, Y. et al. Algorithmic antibiotic decision-making in urinary tract infection using prescriber-informed prediction of treatment utility. npj Digit. Med. 9, 136 (2026). https://doi.org/10.1038/s41746-026-02369-z

关键词: 尿路感染, 抗生素管理, 临床决策支持, 抗微生物耐药性, 医学中的机器学习