麻省理工学院计算机科学与人工智能实验室（CSAIL）研究人员宣布开发出一款推荐算法，可预测患者尿路感染是否适用一线或二线抗生素治疗，并为特定治疗方案提供建议。
尿路感染影响全球约50%女性，每年导致医疗成本增加约40亿美元。医生常使用氟喹诺酮类抗生素进行治疗，但此类药物可能增加女性感染其他疾病的风险，并引发肌腱损伤、主动脉破裂等危及生命的并发症。尽管医学协会已将其列为“二线治疗”，受限于时间压力，临床医生仍高频开具该类处方。
CSAIL团队基于布里格姆妇女医院和麻省总医院超万名患者数据训练模型，声称可将二线抗生素使用率降低67%。在医生选择二线药物而算法推荐一线药物的案例中，一线药物对超90%的患者有效。
研究团队承认，该算法尚未在复杂尿路感染病例中进行测试，也未通过随机对照试验评估。现有研究表明，用于训练疾病诊断算法的数据往往延续不平等现象。例如，英国科学家发现几乎所有眼病数据集均来自北美、欧洲和中国，导致算法对代表性不足国家的种族群体准确性较低；斯坦福大学研究也指出，美国医疗AI数据多集中于加州、纽约州和马萨诸塞州。
麻省理工学院团队表示，未来将致力于把算法辅助决策与常规医疗实践进行对比试验，并通过扩大样本多样性，优化基于种族、民族、社会经济状况及复杂病史的治疗建议。