Искусственный интеллект помог выявить проблемы в знаниях, методологии и коммуникации в глобальном исследовании антимикробной устойчивости (АМУ).
В новом исследовании, проведенном Китайской академией наук и университетом Ньюкасл под руководством профессора Юн-Гуана Чжу и профессора Дэвида У. Грэма соответственно, эксперты собрали обширную базу данных из 254,738 статей за два десятилетия, пролив свет на паттерны исследований АМУ по всему миру.
Они обнаружили, что терминология и методы, используемые в исследованиях АМУ, значительно различаются в медицинском, ветеринарном, пищевом, сельском хозяйстве и экологическом секторах. Семантические и методологические различия приводят к ограниченной оценке работы между секторами и ограниченной межсекторальной коммуникации, что приводит к несогласованным сообщениям для принимающих решения.
С помощью сложного анализа на базе искусственного интеллекта команда разработала глобальные карты, показывающие региональную, методологическую и секторальную активность исследований АМУ. Полученные результаты подтверждают явное отсутствие междисциплинарного сотрудничества, особенно в странах с низким уровнем дохода, где бремя увеличения АМУ наиболее остро.
Опубликованные в журнале Environment International результаты объясняют, почему решения по АМУ, основанные на концепции Одного Здоровья, не развиваются так, как это необходимо. Полученные результаты могут сыграть ключевую роль в предоставлении руководства о том, как и где лучше интегрировать наблюдение за АМУ в различные секторы и регионы по всему миру.
Профессор Дэвид У. Грэм, эмерит-профессор инженерии в университете Ньюкасл, сказал: «Полученные результаты подчеркивают настоятельную необходимость более тесного сотрудничества в методах исследования между секторами и регионами. Например, медицинское и ветеринарное сообщества нуждаются в информации о живых патогенах, устойчивых к АМ, чтобы определить приоритеты, в то время как исследователи в области экологии часто сосредотачиваются на генетических целях. Наша работа показывает, что микробиология культуры и изоляционное секвенирование, а также метагеномика должны выполняться параллельно во всех будущих работах, и необходимо собирать больше контекстных данных, чтобы связать результаты из разных секторов».
«Полученные в нашей статье результаты поддерживают ключевые сообщения Программы ООН по окружающей среде и Всемирной организации здравоохранения, которые подчеркивают, что лучший способ борьбы с АМУ — это предупреждение и интегрированное наблюдение, что является ключом к определению приоритетов решений».
«Эта работа обсуждается в Технической группе Квадрипартитной Группы Организации Объединенных Наций по интегрированному наблюдению за использованием и устойчивостью антимикробных средств, в которой оба профессора Чжу и Грэм являются членами».
Грэм дополнил: «Эта работа стала возможной благодаря новаторскому использованию искусственного интеллекта и обработки естественного языка для интеллектуального поиска обширной и живой базы данных, архив, который мы открыто предоставляем для публичного использования и внесения вклада. Эта статья представляет собой первую в серии совместных манускриптов, использующих ИИ для руководства будущими исследовательскими повестками, включая исследования АМУ».
«Концепция Одного Здоровья имеет стратегическое значение для охраны здоровья человека и экосистемы, но для ее реализации необходимы планы действий, которые предлагает данное исследование. Оно также демонстрирует, что междисциплинарное и международное сотрудничество является необходимым условием для решения глобальных проблем, и мы должны принять на вооружение развивающиеся технологии, такие как ИИ».
Профессор Юн-Гуан Чжу, профессор экологических наук, Китайская академия наук
Оба ученых рекомендуют для будущих исследований и увеличения инвестиций в развитие потенциала, особенно в странах с низким уровнем дохода, для решения насущных проблем АМУ в этих регионах.
Это исследование является еще одним примером того, как искусственный интеллект и анализ данных могут пролить свет на сложные глобальные проблемы и помочь нам разрабатывать более эффективные стратегии борьбы с ними. Оно подчеркивает важность совместного усилия и сотрудничества между учеными, государственными организациями и международными институтами для создания интегрированных и комплексных подходов к решению проблемы антимикробной устойчивости.
Эта статья может стать отправной точкой для разработки новых стратегий и международного сотрудничества в борьбе с угрозой антимикробной устойчивости и создания более здорового будущего для всех нас.
Chen, C., et al. (2024). Characterising global antimicrobial resistance research explains why One Health solutions are low in development: An application of AI-based gap analysis. Environment International. doi.org/10.1016/j.envint.2024.108680.
