原始文章

多重藥物抗藥性革蘭氏陰性細菌感染對全球健康造成嚴重威脅,導致高病率和死亡率。像大腸桿菌、克雷白氏菌、綠膿桿菌和巴斯德氏菌等細菌特別令人擔憂,因為它們能發展抗微生物抗藥性。為了應對這個挑戰,已開發出新診斷技術,能快速識別抗藥性,並利用生化、分子、基因組和蛋白質組等方法。此外,過去十年也推出了幾種新抗生素,改善了治療這些難治感染的選擇。 PubMed DOI


站上相關主題文章列表

腹膜透析的兒童中,革蘭氏陰性腹膜炎可能引發嚴重問題。研究顯示,大部分病例對治療反應良好,82%康復。治療成功受細菌對抗生素敏感性和疼痛程度等因素影響。風險因素包括嚴重疼痛、偽單胞菌感染和抗藥性。對抗偽單胞菌感染,單一或雙重抗生素治療皆有效。個人化、考量當地抗藥性數據的治療調整至關重要。 PubMed DOI

新生兒敗血症是個大問題,尤其對五歲以下小朋友的生命造成高風險。在資源不足的地方,降低敗血症的進展很難。對新生兒敗血症的定義不明確,讓臨床和研究面臨挑戰。需要更好的診斷技術來引導治療,因為現有方法有限。除了抗生素和護理外,重視新生兒基本護理、教育和品質提升來預防敗血症至關重要。 PubMed DOI

慢性腎病(CKD)與認知功能的關係受到關注,特別是抗菌劑(ABs)對CKD患者的影響。因為CKD患者易感染,常需使用抗菌劑,這可能導致不良藥物反應(ADRs)。本文探討各類抗菌劑(如β-內酰胺類、氟喹諾酮類等)對中樞神經系統的影響,並強調急性神經毒性效應。此外,抗菌劑改變腸道微生物群,可能透過腦-腸-腎軸影響CNS症狀。對CKD患者的抗生素治療需謹慎監測,以減少ADRs,並考慮其獨特的藥物動力學及腦、腸、腎的相互關係。 PubMed DOI

II類微菌素是一種有潛力的新型抗生素,但目前識別的數量有限。本研究探討利用蛋白質大型語言模型的數值嵌入來檢測細菌基因組中的微菌素,並與傳統的序列比對方法(如BLAST)進行比較。結果顯示,嵌入法在識別已知II類微菌素上更有效,還能發現一些傳統方法忽略的新型微菌素。隨著抗生素抗藥性問題日益嚴重,發現新的抗菌肽至關重要,這項研究為對抗細菌感染提供了新策略。 PubMed DOI

抗微生物抗藥性(AMR)是21世紀重要的全球健康議題。研究顯示,1990至2021年間,與細菌抗藥性相關的死亡人數達471萬,其中114萬是直接因抗藥性所致。雖然5歲以下兒童的抗藥性死亡人數減少,但70歲以上成年人卻增加超過80%。預測到2050年,AMR可能導致191萬可歸因死亡,南亞和拉丁美洲的死亡率最高。這強調了改善感染預防和抗生素管理的必要性,特別是在全球老化的背景下。 PubMed DOI

這項研究探討了使用GPT-4和自訂GPT代理來預先分類碟擴散結果,以識別革蘭氏陰性菌中的β-內酰胺酶產生。研究分析了225個分離株,並將其分類為不同抗藥機制。結果顯示,微生物學家的診斷準確率高達94.4%,而自訂GPT代理的符合率為81.9%,且未經自訂的GPT-4表現不佳,僅19.6%準確。這顯示AI在抗微生物抗藥性診斷中有潛力,但仍需人類專業知識以確保準確性和效率。 PubMed DOI

抗微生物抗藥性(AMR)是全球健康與經濟的一大威脅,促使各國制定行動計畫(NAPs)應對。然而,低中收入國家面臨物流、資金及資訊獲取等挑戰,影響政策執行。為了解決這些問題,建立了一個多語言資料庫,匯集146國的政策指導,並開發了AMR-Policy GPT模型,能從中檢索和總結資訊,確保準確性。這個原型未來將增強基於證據的AMR政策指導,並可在 www.liuhuibot.com/amrpolicy 訪問。 PubMed DOI

一項涵蓋77個國家的232個中心的國際調查顯示,針對由產生擴展譜β-內酰胺酶的腸道桿菌引起的嬰兒尿道感染,兒科腎臟科醫師的管理方式差異顯著。63.8%的中心偏好使用第二或第三代頭孢菌素作為初始治療,若對初始抗生素敏感,81.0%會繼續使用。然而,面對抗藥情況,做法各異:19.0%轉用碳青霉烯,49.6%選擇其他藥物,22.8%則繼續使用初始藥物。調查還發現,50.0%的中心會進行進一步檢查,61.2%提供抗生素預防治療,顯示需進一步研究以確立最佳治療方案。 PubMed DOI

AMP-Designer 是一種創新的方法,利用大型語言模型設計抗微生物肽 (AMPs)。在短短 11 天內,成功設計出 18 種對革蘭氏陰性菌有效的 AMP,體外測試成功率高達 94.4%。其中兩個候選者展現出強大的抗菌活性、低血毒性及在人體血漿中的穩定性,並在小鼠肺部感染研究中顯著減少細菌負荷。整個過程從設計到驗證僅需 48 天,特別適合針對特定細菌株,顯示出對抗抗生素抗藥性的潛力。 PubMed DOI

這項研究用先進AI模型分析牙齦卟啉單胞菌的蛋白質序列,成功預測抗生素抗藥性。透過LSTM-attention、ProtBERT等模型,能高準確率辨識抗藥性菌株,有助於追蹤和預防抗藥性問題,對全球抗藥性危機的治療策略很有幫助。 PubMed DOI