바이오인

BioINwatch(BioIN+Issue+Watch): 22-17

◇ 양날의 검과 같은 항생제 치료에 대해 데이터 기반의 기계학습 모델을 통한 환자 맞춤형 항생제 처방으로 재감염 및 항생제 내성 문제를 최소화할 수 있다는 가능성 제시

▸주요 출처 : Science, Anticipating antibiotic resistance, 2022.2.24.; Science, Minimizing treatment-induced emergence of antibiotic resistance in bacterial infections, 2022.2.24

▣ 최근 Science에서 발표된 논문에서 기계학습 모델을 통한 환자 맞춤형 항생제 처방으로 재감염 및 항생제 내성을 최소화할 수 있음을 제시

 ○ 통상적으로 환자가 세균에 감염된 것으로 진단되면 임상의는 실험실에서 항생제 감수성 검사(antibiotic susceptibility tests)를 수행하고 그 결과를 바탕으로 적절한 항생제를 처방하지만 재발율이 높은 것으로 조사

   - 예를 들어 요로 감염(UTI, urinary tract infections)이 있는 여성의 25% 정도는 6개월 이내에 또 다른 감염이 발생

 ○ 연구팀은 항생제 치료가 양날의 검과 같아 재감염은 원래 감염 세균의 변이에 의해 유발되기 때문에 감수성 일치(susceptibility-matched) 항생제를 올바르게 처방하면 전반적으로 재감염률이 감소하지만,

   - 원래 감염 세균과 다른 균주에 의해 유발되는 내성 감염이 발생할 가능성도 높아져 감수성 일치에 따른 항생제 치료가 미생물군에 숨어 있는 내성 균주의 활동을 유도할 수 있다는 것을 발견

   - 세균의 게놈 시퀀싱을 수행하여 원래 감염 균주와 재감염 균주를 비교 분석. 세균의 게놈 시퀀싱 데이터를 임상 기록과 통합하면 임상적 개입과 치료에 대한 통찰력과 잠재력이 향상할 것으로 예상

※ 장에 숨어 있는 요로 병원성 균주와 같이 환자의 미생물총이 저장소 역할을 한다는 최근 연구결과가 발표

 ○ 이에 연구팀은 항생제 처방에 관한 기계학습 모델을 통해 환자의 개인 기록 등을 통합하는 데이터 기반 접근 방식으로 재감염과 항생제 내성 위험을 동시에 최소화할 수 있음을 설명

   - 이 연구의 핵심은 대규모 데이터 세트로, UTI 및 상처 감염에 대한 항생제 감수성 및 처방된 항생제에 대한 정보를 포함

※ 2007∼2019년 이스라엘의 Maccabi Healthcare Services에서 모든 연령대의 남성 및 여성 환자를 대상으로 한 데이터

▣ 광범위한 감염 및 치료 이력 데이터 세트를 기반으로 환자별 맞춤 처방을 위한 기계학습 알고리즘을 개발

 ○ 의학적 결과 예측을 위해 오랫동안 확립된 강력한 도구인 다변량 로지스틱 회귀(multivariate logistic regression)를 사용

                                                 < 머신러닝 모델 기반의 치료 이력에 대한 항생제 내성 예측 >

         ※ 특히, 모델은 각 UTI 항생제에 대해서는 13개의 매개변수를 사용하고 상처 감염의 경우 8개 매개변수를 사용. 매개변수는연령, 성별, 임신 상태, 카테터 사용 및 감염 이력과 같은 가중치 요인으로 설정

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.