La IA mejora el tratamiento de las infecciones urinarias y ayuda a abordar la resistencia antimicrobiana

La resistencia a los antimicrobianos (RAM) se produce cuando microorganismos como bacterias, virus, hongos y parásitos evolucionan hasta volverse resistentes a tratamientos que antes eran eficaces. Esta resistencia resulta en estancias hospitalarias más prolongadas, mayores gastos médicos y tasas de mortalidad más altas, lo que representa una gran amenaza para la salud pública y podría hacer que las infecciones comunes sean intratables. Las pruebas de diagnóstico tradicionales para las infecciones del tracto urinario (ITU), conocidas como pruebas de susceptibilidad a los antimicrobianos (AST, por sus siglas en inglés), utilizan un enfoque estandarizado para identificar los antibióticos más eficaces para tratar las infecciones bacterianas o fúngicas. Ahora, una nueva investigación ha demostrado que la inteligencia artificial (IA) puede mejorar el tratamiento de las ITU y ayudar a combatir la RAM.

Esta investigación, realizada por la Red de Centros para la Optimización de Antimicrobianos (CAMO-Net) de la Universidad de Liverpool (Liverpool, Reino Unido), utilizó IA para desarrollar modelos de predicción para 12 antibióticos basados en datos reales de pacientes, comparando la AST personalizada con los métodos convencionales. El enfoque personalizado y basado en datos resultó en decisiones de tratamiento más precisas, especialmente con los antibióticos de la categoría "Access" de la OMS, que tienen menos probabilidades de conducir a resistencia. Los hallazgos de esta investigación representan un avance significativo en la lucha contra la RAM. Al priorizar antibióticos de la categoría "Access" de la OMS y personalizar el tratamiento según la susceptibilidad individual, el enfoque de AST personalizada no solo mejora la eficiencia de las pruebas, sino que también contribuye a los esfuerzos globales para preservar la efectividad de los antibióticos esenciales.

“Esta investigación es importante y oportuna para la Semana Mundial de Concientización sobre la Resistencia a los Antimicrobianos porque muestra cómo la combinación de datos de salud rutinarios con pruebas de laboratorio puede ayudar a mantener el efecto de los antibióticos”, dijo el Dr. Alex Howard, consultor en microbiología médica en la Universidad de Liverpool e investigador de CAMO-Net, financiado por Wellcome Trust, quien dirigió la investigación. “Al utilizar la IA para predecir cuándo las personas con infecciones urinarias tienen bacterias resistentes a los antibióticos, mostramos cómo las pruebas de laboratorio pueden orientar mejor su tratamiento con antibióticos. Este enfoque podría mejorar la atención de las personas con infecciones en todo el mundo y ayudar a prevenir la propagación de la resistencia a los antibióticos”.

Enlaces relacionados:
CAMO-Net

Visitar la expo >

Miembro Oro

12-Channel ECG

CM1200B

Miembro Oro

Analizador de gases en sangre POC

Stat Profile Prime Plus

New

Phototherapy Eye Protector

EyeMax2

New

Documentation System For Blood Banks

HettInfo II