这篇发表在今天的《Science》杂志上的论文，由以色列理工学院生物学院的Roy Kishony教授和计算机科学学院的Henry and Marilyn Taub教授与Varda Shalev教授、Gabriel Chodick教授、以及Tal patalon博士领导。针对泌尿道感染和伤口感染这两种非常常见的细菌感染，本文描述了如何利用每个病人过去的感染史来选择最好的抗生素，以减少抗生素耐药性出现的机会。

感染的临床治疗侧重于正确匹配抗生素与病原体的耐药性，但即使是这种正确匹配的治疗也可能失败，因为在治疗过程中可能出现耐药性。“我们想了解抗生素耐药性出现治疗期间，找到方法来更好的为病人量身定做抗生素治疗，”Kishony教授说。

该方法成功的关键在于了解抗生素耐药性的出现可以在患者个体感染中进行预测。细菌可以通过随机获得使它们具有耐药性的突变来进化，但是这个过程的随机性使得它很难预测和避免。然而，研究人员发现，在大多数患者的感染中，耐药性不是通过随机突变获得的。相反，耐药性是由于患者自身微生物群中已有的耐药菌再次感染而出现的。研究人员将这些发现转化为一种优势:他们建议将抗生素不仅与导致患者当前感染的细菌的易感性相匹配，还与他们的微生物群中可能取代这种细菌的细菌相匹配。

该论文的第一作者Mathew Stracy博士解释说:“我们发现，患者过去感染的抗生素敏感性可以用来预测他们在接受抗生素治疗后再次出现耐药性感染的风险。利用这些数据，再加上患者的年龄和性别等人口统计数据，我们可以开发出算法。”

Minimizing treatment-induced emergence of antibiotic resistance in bacterial infections