联系人:邢先生 | 手机号码:138-1092-1567

        2023年4月，广东省人民医院顾兵教授团队以宏基因组（mNGS）测序为基础，在《Journal of clinical microbiology》（JCRQ1，临床微生物学权威期刊，影响因子11.677）发表题为《Novel Clinical mNGS-Based Machine Learning Model for Rapid Antimicrobial Susceptibility Testing of Acinetobacter baumannii》 （基于mNGS的机器学习模型用于鲍曼不动杆菌的快速药敏检测）的论文，在快速药敏检测领域取得了突破性进展。

        创新构建以mNGS为基础的药敏预测模型

        mNGS已广泛用于临床诊疗，为感染性疾病提供治疗依据。目前以全基因测序（WGS）为基础构建的药敏预测模型多有报道，但成本高、样本要求高、分析技术壁垒等限制了WGS的临床应用；以培养为基础的药敏结果存在时间长、操作繁琐、阳性率低等痛点，不能满足临床需求。mNGS药敏预测模型，以机器学习为核心，纳入鲍曼不动杆菌关键耐药基因和耐药表型分析，成功构建mNGS-AST模型并具备强预测性和高稳定性，提供了分子水平快速检测药敏的可靠途径。

mNGS药敏预测模型的构建和验证

        回顾性验证和前瞻性应用证实模型价值

        mNGS-AST应用于临床诊断鲍曼不动杆菌药敏的价值从2个维度开展评估：回顾性验证和前瞻性应用。230例回顾性临床样本，mNGS-AST模型预测亚胺培南、头孢他啶、头孢吡肟、环丙沙星的准确率分别为97.65%、96.57%、97.64%和98.36%；50例前瞻性样本，mNGS-AST预测结果与培养的药敏表型结果一致率为100%。此外， mNGS预测耐药性的平均报告时间为19.1小时，而培养的AST为63.3小时，显著减少了44.3小时，具备更高的检测时效性。可见，该模型在临床的应用前景广阔，可以实现临床单次送检mNGS，即可获得初步药敏结果，对指导用药提供极大的便利性，也为患者诊疗节约了宝贵时间。

mNGS-AST的临床回顾性和前瞻性应用

        本论文通讯作者为我院顾兵教授，第一作者为我院胡雪姣博士，我院赵云虎为共同第一作者。研究成果表明mNGS耐药预测模型可作为一种快速基因型AST方法，用于鉴定鲍曼不动杆菌，预测抗菌药物的耐药性和易感性，并可拓展于其他病原体，有望构建mNGS预测病原体药敏体系，促进临床抗菌药物的合理使用。

赵云虎

联系人:邢先生 | 手机号码:138-1092-1567