马德里卡洛斯三世大学(UC3M)正在进行研究，分析抗生素耐药性模式，目的是发现趋势，以帮助决定对每种类型的患者应用哪种治疗方法并阻止细菌传播。这项最近发表在科学杂志《自然通讯》上的研究是与埃克塞特大学、伯明翰大学(均在英国)和悉尼(澳大利亚)的韦斯特米德医院共同开展的。

为了观察细菌病原体在临床环境中对抗生素的耐药性，使用了一种称为MIC(最小抑制浓度)的测量方法，它是能够抑制细菌生长的抗生素的最低浓度。细菌对抗生素的MIC越大，其耐药性就越大。

然而，大多数公共数据库只包含耐药病原体的频率，这是根据MIC测量和预定义的耐药阈值计算得出的汇总数据。“例如，对于给定的病原体，抗生素耐药性阈值可能为4：如果一种细菌的MIC为16，则认为它具有耐药性，并在计算耐药性频率时计算在内”，UC3M数学讲师兼研究员PabloCatalán说该研究的部门和作者。在这方面，由世界卫生组织等组织在全国范围内开展的耐药性报告是使用这种汇总的耐药性频率数据编写的。

为了进行这项研究，该团队分析了一个开创性的数据库，因为它包含有关抗生素耐药性的原始数据。这个名为ATLAS的数据库由辉瑞公司管理，自2018年起公开。由UC3M领导的工作组比较了来自70多个国家的600,000名患者的信息，并使用机器学习方法(一种人工智能技术)提取抗性进化模式。

通过分析这些数据，研究团队发现，使用原始数据(MIC)可以检测到耐药性演变模式，但使用汇总数据无法检测到这些模式。“一个明显的例子是一种病原体，其MIC随着时间的推移缓慢增加，但低于抗性阈值。使用这个频率数据，我们将无话可说，因为电阻频率保持不变。但是，通过使用MIC数据，我们可以检测到这种情况并保持警惕。在本文中，我们讨论了几个具有这些特征的临床相关病例。此外，我们是第一个深入描述该数据库的团队”，Catalán说。

这项研究使设计抗生素治疗成为可能，这些治疗在控制感染和遏制导致许多临床问题的耐药性上升方面更有效。研究作者总结道：“该研究使用数学思想寻找从650万个数据点中提取抗生素耐药性模式的新方法”。