开创性研究确定了抗生素耐药性的全球动态
科学家们利用人工智能的思想来确定世界各地抗生素耐药性的模式。
一个国际科学家团队,包括埃克塞特大学生命系统研究所的罗伯特·比尔德莫尔教授,使用数学建模来提取抗生素耐药性从全球收集的650万个数据点的模式。
研究人员检查了来自医疗公司和卫生机构的大量数据集,以确定抗生素耐药性如何变化的模式。
最完整的医学数据集是由辉瑞公司发布的,该公司已经对数据进行了20年的整理。
使用这个被称为ATLAS的数据集,研究小组能够比较已经在地球上的信息公共领域突出差异并预测未来耐药性的增加。
作者发现ATLAS提供了一个显著不同的图像,包括以前没有见过的耐药性。他们还强调了非洲缺乏数据。
研究人员认为,新技术将大大促进对耐药性如何增长以及在哪里增长的理解和认识。
这项研究发表在自然通讯2022年5月25日,星期三。
该研究的主要作者比尔德莫尔教授说:“人工智能是一盒技巧,可以帮助解决抗生素耐药性问题,但是全国性的卫生机构需要发布更多的数据才能实现这一点。
“耐药性似乎确实在增加,但即使它因为成功的卫生政策变化或新的医疗技术而下降,缺失的数据让这些减少很难被发现。”
抗生素耐药性被认为是全球健康面临的最重大威胁之一。抗生素耐药性可以影响任何国家、任何年龄的任何人。
虽然这是自然发生的,但人类对抗生素的过度使用和滥用正导致这一过程以显著的速度加速。因此,越来越多的疾病,如败血症、肺炎和结核病,变得越来越难以治疗。
对抗耐药性的一个关键因素在于突出可能发生疫情的地点和疾病类型的模式。这些新技术为此提供了一个关键的工具,找到了从数百万个数据点中提取抗生素耐药性模式的新方法。
来自马德里的数据科学家巴勃罗·卡塔兰说:“我们在ATLAS上的工作表明,患者的耐药性是一个很大的问题动态的过程这包含了很多模式,我们拥有的数据越多,我们就越能理解这些模式,也就越能理解我们的行为什么时候会降低阻力,或者让事情变得更糟。”
与我合作的临床医生乔恩·伊雷德尔(Jon Iredell)补充说:“当从我的一位患者身上提取一种细菌样本时,这是一个机会,可以增加我们关于抗生素耐药性模式的数据量,而我们目前还没有这样做。”
“在ATLAS中寻找抗生素耐药性模式,ATLAS是一个开放的原始MIC数据库,具有患者元数据”发表在自然通讯.
进一步探索