Confidence-based prediction of antibiotic resistance at the patient level.
研究背景
抗生素耐药性成全球公共卫生重大威胁，传统抗生素敏感性测试受限，患者数据与测试结果未有效整合。本研究旨在开发深度学习方法预测未测试抗生素敏感性并评估不确定性。
方法速览
开发基于Transformer的深度学习模型，结合条件归纳共形预测，在超300万条欧洲AST数据上训练。
主要发现
- 高效预测：模型平均准确率达93%，不同抗生素类别预测性能有差异，青霉素类较差，头孢菌素类较高。
- 输入影响：输入AST数量增加，模型性能显著提升，F1分数提高。
- 不确定性控制：引入算法评估不确定性，输入AST数量增加，明确预测比例上升。
总结展望
本模型结合架构与评估机制，能整合数据提供准确预测，有临床应用潜力，未来可整合基因型数据提升性能。