AI辅助多重耐药菌防控的“预测—确认—行动”框架:面向医院与长期照护机构的整合路径

《International Journal of Infectious Diseases》:A Predict?→?Confirm?→?Act Framework for AI-Augmented MDRO Control Across Hospitals and Long-Term Care Facilities

【字体: 大 中 小 】 时间:2026年10月17日 来源:International Journal of Infectious Diseases 4.6

编辑推荐:

  摘要专业翻译 多重耐药菌(MDRO)在医疗机构中的传播主要由无症状定植驱动。当前基于风险因素的筛查策略仅能识别18%–49%的定植个体,而普遍筛查虽能提高检出率,却显著增加实验室工作负荷与隔离资源需求。人工智能(AI)通过整合电子健康记录(EHR)、微生物学结

  
摘要专业翻译 多重耐药菌(MDRO)在医疗机构中的传播主要由无症状定植驱动。当前基于风险因素的筛查策略仅能识别18%–49%的定植个体,而普遍筛查虽能提高检出率,却显著增加实验室工作负荷与隔离资源需求。人工智能(AI)通过整合电子健康记录(EHR)、微生物学结果及患者流动数据,有望优化MDRO监测与感染预防与控制(IPC)决策。然而,AI输出应被解读为触发目标性微生物检测、IPC审查或调查优先排序的风险信号,而非定植诊断或隔离强制指令。高影响干预措施——如预防性隔离、群组管理、入院限制或经验性治疗调整——应基于预设阈值、人工审查及微生物学或流行病学确认。基于此,研究人员提出“预测—确认—行动”(Predict→Confirm→Act)框架,将预测性风险信号与确认性微生物学或流行病学评估及分级、临床医师监督下的IPC行动相衔接。该框架涵盖三个核心临床问题:入院时谁应接受筛查或考虑隔离;是否存在正在形成的传播簇;以及如何在避免不必要隔离的前提下降低运营负担。阈值(T1诊断阈值、T2操作阈值)应依据本地MDRO流行负担、资源配置及假警报成本进行校准。评估应包括传播事件、隔离使用、工作负荷及患者安全等多维度结局。全基因组测序(WGS)为基础的基因组监测可支持暴发检测与调查。当前证据表明,AI在风险分层与暴发调查方面具有技术可行性,但多数研究为回顾性验证,前瞻性、工作流程整合的评估仍属必要。

论文解读文章

一、研究背景与问题

多重耐药菌(MDRO)在医疗机构中的传播是感染预防与控制(IPC)领域的重大挑战。MDRO传播主要由无症状定植驱动,医护人员手部接触和环境间接污染是主要传播途径,而院内及院际患者转诊则加剧区域扩散。在高负担环境中,住院患者和长期照护机构(LTCF)居民的MDRO定植率常超过50%。定植并非临床中性事件:高达20%的定植患者会在30天内发展为感染,尤其是碳青霉烯耐药肠杆菌目(CRE)定植者。定植患者的侵袭性感染风险和死亡率均显著升高,一项研究显示MDRO定植患者的中位总生存期(OS)为7.8个月,远低于非定植者的23.9个月。经济负担同样可观,单次隔离费用达1,480–2,000欧元,感染可使入院成本增加26–33%。
当前识别策略存在明显不足。基于风险因素的定向筛查——仅检测符合预设风险标准(如近期住院、ICU暴露、LTCF转诊)的患者——仅能识别18%–49%的定植个体,在LTCF中可能漏检高达80%的产超广谱β-内酰胺酶(ESBL)定植者。普遍筛查虽提高检出率,但显著增加实验室负荷和隔离资源需求。暴发通常仅在感染病例出现后才被识别,触发被动且资源密集的干预。现有预测模型——包括XGBoost、神经网络和逻辑回归(LR)——仍无法识别大量定植患者,且在不同环境中表现不稳定。核心运营问题因此并非是否筛查,而是在高流行或资源受限环境中,何种风险水平值得触发定向筛查或进一步IPC评估。

二、研究内容与核心框架

研究人员提出“预测—确认—行动”(Predict→Confirm→Act)框架,作为AI增强MDRO防控的概念性组织架构。该框架将AI生成的风险估计与预设确认步骤、人工审查及分级IPC行动相衔接,适用于医院和长期照护机构。框架的核心逻辑为:预测阶段利用常规临床数据——包括EHR变量、既往微生物学结果、医疗或抗生素暴露史及患者流动信息——生成个体化定植风险估计。当风险超过第一阈值(T1,诊断阈值)时,启动目标性微生物检测;当风险达到更高阈值(T2,操作阈值)时,在等待微生物确认期间,经IPC审查后可考虑预防性隔离、群组管理等临时措施。确认阶段依赖微生物学检测和流行病学背景解读,从培养或快速PCR开始,全基因组测序(WGS)保留用于簇调查而非常规入院筛查。行动阶段将隔离、群组管理、去定植及针对性抗菌策略主要应用于确诊病例或选择性应用于极高风险患者。阈值应依据本地MDRO流行负担、资源配置及假警报成本进行校准,且应针对每种病原体分别设定,而非合并为单一评分。

三、关键技术方法

研究人员通过系统性文献综述方法,检索PubMed、Embase、Web of Science和Google Scholar数据库(2000年1月至2026年4月),由两名研究者独立筛选标题和摘要,第三名研究者解决分歧。纳入研究涵盖多种预测建模方法:逻辑回归(LR)风险评分、随机森林(RF)、极端梯度提升(XGBoost)、深度学习(DL)模型(如PyTorch_EHR)、图神经网络(GNN)以及基于WGS的基因组监测系统。验证方式包括内部验证和外部验证,质量评估基于研究设计、验证类型和偏倚风险。部分研究使用真实世界队列数据,包括ICU环境中的187名医护人员接触追踪数据、VRE暴发中的基因组-接触整合分析,以及多中心回顾性EHR数据。

四、研究结果

4.1 入院筛查与隔离决策

多项研究证实了EHR嵌入式MDRO风险预测模型的技术可行性。单中心队列中,ML模型对耐药预测的AUROC为0.80–0.88(含菌种信息)和0.73–0.79(不含菌种信息)。?aglayan等人使用入院时可获得的ICD-10编码诊断和操作信息,开发ML模型识别ICU患者MDRO定植,敏感度和特异度分别达到约82%和83%。Papafotiou等人利用多变量LR风险评分在CRE流行环境中增强定向筛查,达到约70%敏感度,显著减少筛查人数,验证AUROC为0.85。PyTorch_EHR深度学习模型利用EHR时间序列数据预测MRSA阳性培养,外部验证AUROC为0.86。然而,一项涵盖160余个模型的系统综述发现,大多数模型基于回顾性常规护理数据开发,存在高偏倚风险,仅不足四分之一的模型经过外部验证,且跨机构迁移时性能常下降。

4.2 病房与机构层面决策

数字监测系统可结合医院流动数据、微生物学结果和可穿戴式接近传感器,自动重建ICU内医护人员接触网络。CATCH自动接触追踪系统在187名医护人员的真实ICU部署中,比传统追踪方法更准确地识别患者巡视簇和公共区域传播热点。基于网络的模型利用常规临床和位置数据重建患者-环境交互网络,识别涉及医护人员、共享设备和房间的被忽视传播路径,筛查量减少40%的同时额外识别102名定植者。Miller的概率性DITO框架融合药敏变化、WGS和EHR挖掘,在耐碳青霉烯肺炎克雷伯菌暴发模拟中AUROC达0.97,且资源精简版本在仅对约6%分离株进行测序时仍保持性能。EDS-HAT系统整合WGS与EHR数据,两年内检测到99个暴发簇(传统监测仅识别15个),三分之二的簇识别出合理传播路径,建模显示前瞻性部署可预防25–63起传播事件。图神经网络(GNN)尝试在微生物确认前最多三天预测VRE定植,宏观F1分数为0.88(敏感度0.80,特异度0.94)。

4.3 运营优化与传播摩擦

患者流动管理方面,ML预测模型可预测入院、ICU转诊、住院时长(LOS)和出院时间,促进早期床位分配,减少走廊滞留和不适当群组管理。资源密集型诊断预测模型可在医师评估前预测CT成像需求,缩短等待间隔。人员配置方面,预测性ML人员配置模型旨在为轮班级人员分配提供信息,但主要评估工作负荷预测而非感染结局。计算机视觉为基础的PPE监测系统在训练和ICU实时部署中分别达到93–97%和87–89%的逐项PPE检测准确率,结构化AI指导在两次三个月周期训练后显著提高穿脱准确性。

五、讨论与结论

安全实施要求评估超出模型类型和判别力的临床相关结局,包括每次筛查额外检出的病例数、隔离时间、定植压力变化、每千患者日MDRO获得率、避免的隔离天数及每次预防传播的成本。实施安全结局同样关键:警报负担、假阳性、漏检定植患者或簇、隔离或降级延迟,以及IPC团队在现有运营能力内对模型输出的实际响应能力。机器学习运维(MLOps)最佳实践要求持续监测、定期重新校准及在新环境使用前重新验证。
未来研究应超越纯模型中心比较,评估临床相关策略:人工应用点式评分、EHR系统内自动部署等效模型生成实时概率,以及利用高维数据的复杂多模态方法。当前大多数AI应用存在偏倚风险,外部验证不常见,校准报告不一致,患者中心结局(如侵袭性感染、ICU入住、死亡率)很少被评估。MDRO传播减少多为建模而非前瞻性证实,跨医院性能不确定。AI可改善入院风险分层、加速暴发识别并支持运营性IPC决策,但当前证据基础不足以支持普遍或自主实施。整合不仅是模型验证问题,还要求在结构化临床和IPC工作流程内进行评估,包括前瞻性安全性和可行性评估——警报负担、工作人员接受度、隐私关切、降级及非预期隔离率。
研究结论指出,数据驱动模型可对MDRO风险进行分层,并通过识别临床和暴露数据中的合理关联来协助暴发调查。AI可分析这些数据以生成患者级风险估计并优先排序可能的传播路径以供调查。微生物学评估和IPC审查决定这些输出如何影响照护。证据在分析任务方面比在MDRO获得减少、不必要隔离或工作人员负荷减轻方面更为成熟;物流导向应用的优势仍主要为推断性。“预测—确认—行动”框架将这些发现与明确的临床决策点相连接,并为其实施评估提供结构。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号