败血症是一种危及生命的感染并发症，在美国每年有170万人住院治疗，35万人死亡。快速准确的诊断至关重要，因为如果没有有效的治疗，死亡风险每小时增加8%。然而，目前的诊断标准依赖于培养生长，通常需要2-3天。医生可能会选择使用广谱抗生素，直到获得更多的准确诊断信息，但这些抗生素的疗效有限，而且对患者有潜在的毒性。

在ASM微生物大会上发表的一项研究中，Day Zero Diagnostics的一个团队展示了一种使用人工智能(AI)进行抗菌药物敏感性测试的新方法。他们的系统，keyname?gAST，或基因组抗菌素敏感性测试，通过分析直接从患者血液样本中提取的细菌全基因组，绕过了培养生长的需要。这些临时发现是基于从波士顿地区4家医院收集样本的研究。与依赖已知抗性基因的传统方法不同，机器学习算法基于不断增长的超过75,000个细菌基因组和800,000个药敏试验结果的大规模数据库(本研究时为48,000个细菌基因组和450,000个药敏试验结果)的数据自主识别耐药性和药敏的驱动因素。这可以快速准确地预测抗菌素耐药性，彻底改变败血症的诊断和治疗。

Day Zero Diagnostics数据科学主任、该研究的主要作者Jason Wittenbach博士说:“这是首次对直接从血液临床样本中进行全面、高精度的抗菌素敏感性和耐药性预测。”“这证明了基于机器学习的抗菌素耐药性快速诊断的可行性，这可能会彻底改变治疗方法，减少住院时间并挽救生命。”研究人员表示，鉴于样本量有限，还需要进一步的研究，但在抗菌素耐药性威胁日益严重以及需要快速诊断和治疗败血症的情况下，这些发现可能有助于显著改善患者的预后。这项研究的部分资金由抗抗生素耐药细菌生物制药加速器(CARB-X)提供。

ASM微生物是美国微生物学会的年度会议，于2024年6月13日至17日在佐治亚州亚特兰大举行。

美国微生物学会是致力于生命科学的最大的专业学会之一，由36000名科学家和卫生从业人员组成。ASM的使命是促进和推进微生物科学。ASM通过会议、出版物、认证、教育机会和宣传工作来推进微生物科学。它通过培训和资源加强了全球实验室的能力。它为学术界、工业界和临床环境中的科学家提供了一个网络。此外，ASM促进了不同受众对微生物科学的更深入理解。