در سال‌های اخیر شاهد افزایش نگران‌کننده سطوح مقاومت آنتی‌بیوتیکی بالا در عفونت‌های باکتریایی بوده‌ایم؛ مقاومت آنتی‌بیوتیکی درمان عفونت‌های باکتریایی را دشوار می‌کند.
درمان بالینی عفونت‌ها متمرکز بر تطابق صحیح یک آنتی‌بیوتیک با مشخصات مقاومتی یک پاتوژن است. با این حال حتی در درمان‌هایی که این امر به درستی تطبیق داده شده، احتمال شکست وجود دارد چراکه امکان بروز مقاومت طی دوره درمانی نیز وجود دارد.
حال دانشمندان با استفاده از روش‌های تولی ژنومی و آنالیز یادگیری ماشینی از سوابق بیماران نوعی الگوریتم تجویز آنتی‌بیوتیکی توسعه داده‌اند.
انتظار می‌رود این الگوریتم مقاومت آنتی‌بیوتیکی را به حداقل برساند. این مطالعه متمرکز بر دو نوع عفونت باکتریایی بسیار شایع است که شامل عفونت مجاری ادراری و عفونت زخم می‌شود.
گروه تحقیقاتی سابقه عفونت هر بیمار را بررسی کردند تا بهترین آنتی‌بیوتیک را برای تجویز انتخاب کنند. دانشمندان به دنبال این بودند که چگونه مقاومت آنتی‌بیوتیکی در طول درمان بروز می‌کند، همچنین دنبال راهی‌هایی برای بهبود روند درمان آنتی‌بیوتیکی برای هر بیمار بودند تا علاوه بر تطبیق درست آنتی‌بیوتیک و عفونت، خطر بروز مجدد عفونت و ایجاد مقاومت آنتی‌بیوتکی را به حداقل برسانند.
کلید این موفقیت در این رویکرد درک این موضوع بود که بروز مقاومت آنتی‌بیوتیکی قابل پیش‌بینی است.
پیش‌بینی این امر دشوار است چراکه باکتری‌ها می‌توانند از طریق جهش‌های تصادفی تکامل یافته و به آنتی‌بیوتیک مقاوم شوند. با این حال گروه تحقیقاتی به این نتیجه رسید که جهش‌های تصادفی باعث مقاومت بیشتر بیماران در برابر آنتی‌بیوتیک نمی‌شود.
در واقع باکتری‌های مقاوم در میکروبیوم بیمار باعث ایجاد مقاومت آنتی‌بیوتیکی می‌شوند. براساس نتایج به دست آمده، تجویز یک آنتی‌بیوتیک باید مطابق با حساسیت باکتری عامل عفونت فعلی بیمار و باکتری‌های موجود در میکروبیوم بیمار باشد.