结核病是世界上最致命的细菌感染。2022年，它折磨了1000多万人，夺走了130万人的生命。由于耐多药结核病的传播，预计这些数字将急剧增加。
为什么一名结核病患者从感染中康复，而另一名患者死亡?为什么一种药物对一个病人有效，而对另一个病人无效，即使他们患有同样的疾病?
几千年来，人们一直在与结核病作斗争。例如，研究人员发现公元前2400年的埃及木乃伊有结核病的迹象。虽然结核病感染发生在世界各地，但耐多药结核病病例数量最多的国家是乌克兰、摩尔多瓦、白俄罗斯和俄罗斯。
研究人员预测，由于卫生保健中断，乌克兰正在进行的战争将导致耐多药结核病病例的增加。此外，2019冠状病毒病大流行降低了结核病诊断和治疗的可及性，逆转了全球数十年来取得的进展。
快速和全面地分析现有的医疗数据可以帮助优化每个患者的治疗方法，并减少耐药性。在我们最近发表的研究中，我和我的团队描述了我们开发的一种新的人工智能工具，该工具使用全球患者数据来指导更个性化和更有效的结核病治疗。
2019冠状病毒病大流行阻碍了应对包括结核病在内的许多健康状况的进展。
预测成功或失败
我和我的团队想确定哪些变量可以预测患者对结核病治疗的反应。因此，我们分析了来自10个国家的5000多名结核病患者的200多种临床测试结果、医学成像和药物处方。我们检查了人口统计信息，如年龄和性别，既往治疗史以及患者是否有其他疾病。最后，我们还分析了各种结核病菌株的数据，例如病原体对哪些药物具有耐药性以及病原体具有哪些基因突变。
看着像这样庞大的数据集可能会让人不知所措。即使是大多数现有的人工智能工具也难以分析大型数据集。先前使用人工智能的研究集中在单一的数据类型上，例如单独的成像或年龄，并且在预测结核病治疗结果方面取得了有限的成功。
我们使用了一种人工智能方法，使我们能够同时分析大量不同的变量，并确定它们与结核病结果的关系。我们的人工智能模型是透明的，这意味着我们可以通过它的内部工作来识别最有意义的临床特征。它也是多模态的，这意味着它可以同时解释不同类型的数据。
一旦我们在数据集上训练我们的人工智能模型，我们发现它可以在更新的、未见过的患者数据上预测治疗预后的准确率达到83%，并且优于现有的人工智能模型。换句话说，我们可以将新患者的信息输入到模型中，人工智能将决定某种特定类型的治疗是成功还是失败。
我们观察到与营养相关的临床特征，特别是较低的BMI，与治疗失败有关。这支持采取干预措施改善营养，因为结核病通常在营养不良人群中更为普遍。
我们还发现，某些药物组合对某些类型的耐药感染的患者效果更好，而对其他类型的耐药感染则没有效果，导致治疗失败。将具有协同作用的药物组合在一起，意味着它们在实验室中可以增强彼此的效力，可能会产生更好的结果。考虑到与实验室条件相比，体内环境更为复杂，目前尚不清楚实验室中药物之间的协同作用是否适用于临床。我们的研究结果表明，在药物发现过程的早期，使用人工智能剔除拮抗药物，或相互抑制或抵消的药物，可以避免治疗失败。
在人工智能的帮助下终结结核病
通过强调不同类型临床数据的相对重要性，我们的发现可能有助于研究人员和临床医生实现世界卫生组织到2035年终结结核病的目标。这有助于确定减轻结核病的公共卫生工作的优先次序。
虽然我们的人工智能工具的表现很有希望，但它并不是在每个情况下都完美，在临床应用之前还需要更多的培训。一个国家内部的人口多样性可能很高，甚至各医院之间也可能有所不同。我们正在努力使这一工具在各个地区更加普及。
我们的目标是最终定制我们的人工智能模型，以确定适合具有特定条件的个人的药物方案。我们希望通过研究多种类型的数据来帮助医生为每位患者提供个性化的治疗，以提供最好的结果，而不是一刀切的治疗方法。
公司提供 nversation
本文转载自The Co在知识共享许可下的对话。阅读原文。
