人工智能和基因组监测相结合以检测医疗保健传染病的爆发

匹兹堡，2021年11 月 17 日——通过将机器学习与全基因组测序相结合，匹兹堡大学医学院和卡内基梅隆大学的科学家们大大改进了医院环境中传染病爆发的快速检测，而不是传统的爆发跟踪方法。

今天发表在《临床传染病》杂志上的结果表明，卫生系统可以通过一种方式识别并阻止基于医院的传染病爆发，从而降低成本并挽救生命。

“医院目前用于发现和阻止患者之间传染病传播的方法已经过时。这些做法都没有显著在一个多世纪以来改变了，”资深作家李·哈里森，医学博士，教授说，在医学皮特的学校传染病和流行病学在公共卫生皮特的研究生院。“我们的流程会检测到重要的，否则这些可能会被传统感染预防监测所忽视。”

医疗保健相关传输的增强检测系统 (EDS-HAT) 将最近开发的经济实惠的基因组测序与连接到电子健康记录中大量数据的计算机算法相结合。当测序检测到医院中任意两名或更多患者感染几乎相同的菌株时，机器学习会快速挖掘这些患者的电子健康记录以寻找共性——无论是靠近病床，还是使用相同设备的程序或共享医疗保健提供者——提醒感染预防专家调查并阻止进一步传播。

通常，这个过程需要临床医生注意到两个或更多患者有类似的感染，并提醒他们的感染预防团队，然后他们可以查看患者记录以试图找出感染是如何传播的。

主要作者、公共卫生硕士、CIC、FAPIC、临床研究协调员和 Pitt Public 的博士生 Alexander Sundermann 说：“这是一个令人难以置信的劳动密集型过程，通常依赖于忙碌的医护人员注意到患者之间的共同感染。”健康。“如果患者在医院的同一病房，这可能会奏效，但如果这些患者在不同病房，拥有不同的医疗团队，并且唯一共享的链接是访问手术室，那么在其他病房之前发现爆发的机会患者被感染的人数急剧下降。”

从 2016 年 11 月到 2018 年 11 月，UPMC 长老会医院针对一些通常与全国范围内的医疗保健获得性感染相关的精选传染性病原体运行了 6 个月的 EDS-HAT，同时继续采用实时的传统感染预防方法。该团队随后调查了 EDS-HAT 的性能如何。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！