多黏菌素B对于耐碳青霉烯类鲍曼不动杆菌感染重症患者的疗效和安全性分析

目的: 围绕耐碳青霉烯类鲍曼不动杆菌(carbapenem-resistant Acinetobacter baumannii,CRAB)感染的重症患者,探索影响多黏菌素B(polymyxin B,PMB)疗效与安全性的相关因素。方法: 收集南京大学医学院附属鼓楼医院重症监护室2020年1月至2021年12月感染CRAB患者的基本特征、感染情况、治疗方案等信息,首先以细菌清除率和感染缓解率作为主要结局指标开展单因素分析,而后以28 d全因死亡率为次要结局指标开展单因素分析及Logistic回归,并比较部分患者的治疗药物监测结果。结果: 共纳入68例以PMB治疗的患者,其细菌清除率、感染缓解率分别为39.7%,44.1%,而28 d全因死亡率为41.2%。围绕主要结局指标,使用PMB疗程＞7 d的患者相较于疗程3~7 d患者,有更高的细菌清除率与感染缓解率。对于次要结局指标,PMB疗程以及PMB治疗过程中采用的连续性肾脏替代治疗,是患者28 d全因死亡的主要相关因素。结合治疗药物监测结果的单因素分析结果显示,CRAB清除患者的PMB峰浓度以及平均稳态血药浓度更高,同时发生肾毒性患者具有更高的PMB谷浓度,差异均具有统计学意义(P＜0.05)。结论: PMB治疗中,患者疗程应大于7 d以保证疗效,同时应重点关注采用连续性肾脏替代治疗患者的治疗结局;安全性方面PMB引起的肾毒性则可通过测定PMB谷浓度进行监测。     

基于人工智能模型筛选与生成先导化合物的研究进展

良好的先导化合物对于药物研发具有深远影响，可以提高药物上市的成功率。利用传统方法发现先导化合物存在成本高且耗时的问题，而人工智能（artificial intelligence，AI）可以高效发现良好的先导化合物。本文系统地总结了通过人工智能的筛选模型与生成模型获得先导化合物的研究进展，按照输入信息的类型归纳整理不同的模型，重点介绍了利用筛选模型实现药物重定位和利用生成模型实现多目标药物设计，探讨了人工智能在先导化合物研究领域的发展前景，为人工智能在先导化合物方面的应用提供新的研究思路。