Spatial-Temporal Networks for Antibiogram Pattern Prediction

要約

タイトル: 抗生物質感受性パターン予測のための空間時間ネットワーク

要約:
– 抗生物質感受性パターンを予測するという新しい問題を提案。
– 抗生物質感受性パターンは、抗生物質に対する微生物の感受性率の定期的なまとめであり、地域の抵抗率を理解し、処方に適切な抗生物質を選択するための手助けとなる。
– 抗生物質感受性パターンには、異なる抗生物質抵抗性の組み合わせが現れることがあり、これらはパターンを形成する。このようなパターンは、特定の地域でいくつかの感染症が広く蔓延していることを示す可能性がある。
– 抗生物質耐性の傾向を監視し、多剤耐性微生物の広がりを追跡することが非常に重要である。
– 抗生物質感受性パターン予測は、異なるパターン間の強い関連性や、以前に検出されたパターンに依存することがあるため、課題がある。また、抗生物質耐性の広がりは、近隣地域や類似した地域によって大きく影響を受けることがある。
– 上記の課題に対処するため、新しいSpatial-Temporal Antibiogram Pattern Prediction framework、STAPPを提案。
– 実際のデータセットを用いて詳細な実験を実施し、STAPPがいくつかの競合ベースラインよりも優れていることを示した。

要約(オリジナル)

An antibiogram is a periodic summary of antibiotic resistance results of organisms from infected patients to selected antimicrobial drugs. Antibiograms help clinicians to understand regional resistance rates and select appropriate antibiotics in prescriptions. In practice, significant combinations of antibiotic resistance may appear in different antibiograms, forming antibiogram patterns. Such patterns may imply the prevalence of some infectious diseases in certain regions. Thus it is of crucial importance to monitor antibiotic resistance trends and track the spread of multi-drug resistant organisms. In this paper, we propose a novel problem of antibiogram pattern prediction that aims to predict which patterns will appear in the future. Despite its importance, tackling this problem encounters a series of challenges and has not yet been explored in the literature. First of all, antibiogram patterns are not i.i.d as they may have strong relations with each other due to genomic similarities of the underlying organisms. Second, antibiogram patterns are often temporally dependent on the ones that are previously detected. Furthermore, the spread of antibiotic resistance can be significantly influenced by nearby or similar regions. To address the above challenges, we propose a novel Spatial-Temporal Antibiogram Pattern Prediction framework, STAPP, that can effectively leverage the pattern correlations and exploit the temporal and spatial information. We conduct extensive experiments on a real-world dataset with antibiogram reports of patients from 1999 to 2012 for 203 cities in the United States. The experimental results show the superiority of STAPP against several competitive baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI