基于深度学习的因果推断模型优化ICU患者MRSA血流感染的个性化抗生素治疗

为解决ICU患者MRSA血流感染（BSI）高死亡率及抗生素选择难题，研究人员采用深度学习因果推断模型，基于MIMIC-III/IV数据库分析270例患者数据，发现万古霉素（vancomycin）可显著降低死亡率15.86%，达托霉素（daptomycin）和利奈唑胺（linezolid）分别降低9.68%和10.74%，并识别出特定患者亚群获益特征，为精准用药提供AI决策支持。

　　

在重症监护室（ICU）中，耐甲氧西林金黄色葡萄球菌（Methicillin-resistant Staphylococcus aureus, MRSA）引发的血流感染（Bloodstream Infection, BSI）如同一场无声的战役，死亡率高达20%-40%。尽管万古霉素（vancomycin）是临床一线药物，但其肾毒性限制应用，而达托霉素（daptomycin）和利奈唑胺（linezolid）对特定患者可能更优。如何为不同特征的ICU患者选择最佳抗生素？这一问题亟待数据驱动的精准答案。

为破解这一难题，Min Woo Kang和Shin Young Ahn团队从MIMIC-III/IV数据库中提取270例MRSA BSI患者数据，创新性地将深度学习与因果推断结合，改造Draggonnet模型以适应多治疗场景，通过Targeted Regularization技术分析万古霉素、达托霉素和利奈唑胺的疗效差异，并利用多变量逻辑回归锁定获益亚群特征。

研究结果

Study Population and Baseline Characteristics

队列中36.3%患者发生院内死亡，万古霉素使用率25.6%，达托霉素和利奈唑胺分别占7.0%和5.6%。

Odds Ratio for In-Hospital Mortality

逻辑回归显示，万古霉素相比其他抗生素显著降低死亡风险（OR=4.09），利奈唑胺和达托霉素亦有优势（OR分别为0.15和0.21）。

Effect of Antibiotics on Mortality Probability

深度学习模型预测万古霉素、达托霉素和利奈唑胺分别降低死亡率15.86%、9.68%和10.74%，万古霉素效果显著优于另两种药物（p<0.001）。亚组分析揭示：万古霉素对老年、慢性肝病和终末期肾病（ESKD）患者更有效，而利奈唑胺在癌症、高血压和心衰患者中表现更佳。

Identifying Patient Characteristics

癌症患者使用利奈唑胺死亡率降低更显著，达托霉素则对使用血管加压素和低格拉斯哥昏迷评分（GCS）患者更有效。

这项发表于《Journal of Global Antimicrobial Resistance》的研究，首次将深度学习因果推断应用于MRSA BSI抗生素决策，证实万古霉素整体优势的同时，揭示达托霉素和利奈唑胺在特定亚群中的价值。其构建的预测模型可整合至临床决策支持系统（CDSS），为ICU医生提供实时个性化推荐，尤其对癌症、心衰等复杂病例具有重要指导意义。尽管存在样本量限制和回顾性数据偏差，该研究为MRSA精准治疗树立了新范式，未来需通过多中心前瞻性研究进一步验证模型普适性。