The Lancet子刊：科学家概述人工智能蓝图如何帮助解决全球范围内的抗生素耐药性问题

多种人工智能的不断增加为改善人类的医疗保健带来了许多机会，人工智能模型能利用复杂不断变化的数据，从而为人类的行为提供信息，并增强人类的行为，且能从诸如发病率和死亡率等人类健康结果中学习。近日，一篇发表在国际杂志The Lancet Digital Health上题为“Antimicrobial learning systems: an implementation blueprint for artificial intelligence to tackle antimicrobial resistance”的研究报告中，来自利物浦大学等机构的科学家们通过研究概述了一种人工智能框架，其或能改善人类抗生素的使用和感染的护理，并能帮助应对抗生素耐药性的全球挑战。

研究者Alex Howard博士表示，如今不同形式的人工智能常常为改善人类健康护理带来了很多机会，其能利用并学习复杂的数据改善人类健康，抗生素耐药性这一全球公众健康挑战需要大规模地优化抗生素的使用以及进行更为广泛的感染护理，这或许能通过精心构建的人工智能来得以实现。尽管人工智能变得越来越有用和强大，但卫生保健系统在部署人工智能方面仍然存在一定的挑战性，而且在人工智能的承诺与其在患者和人群护理的应用之间往往存在着实施的差距。

科学家概述人工智能蓝图如何帮助解决全球范围内的抗生素耐药性问题。

图片来源：The Lancet Digital Health (2023). DOI:10.1016/S2589-7500(23)00221-2

考虑到这一点，研究人员在文章中概述了人工智能的适应性实施和维护框架，从而改善抗菌药物的使用和感染护理，并能将其作为一种学习系统；这就考虑到了与抗生素靶向性人工智能开发、评估、维护和可伸缩性相关的抗生素耐药性问题的识别、法律/法规、组织支持和数据处理等。

研究者Howard说道，弥补人工智能创新和解决抗生素耐药性之间的实施差距或许就带来了技术、监管、组织和人员方面的挑战，基于集成数据流、管理和技术的学习系统有可能就能缩小这一差距；抗生素耐药性和人工智能领域之间的转化知识对于感染护理中适当的设计、维护、正常化和全球化抗生素耐药性人工智能都非常重要，而且这对于实现人工智能支持临床驱动的抗生素耐药性最小化策略的潜力也非常必要。

综上，本文研究阐明了科学家们如何利用数据科学来解决抗生素耐药性的愿景，其能作为抗生素优化网络中心计划的一部分，该计划是一项全球性合作计划，其汇集了世界领先的感染和健康信息学领域的多学科专业知识。（生物谷Bioon.com）

原始出处：

Alex Howard,Stephen Aston,Alessandro Gerada, et al. Antimicrobial learning systems: an implementation blueprint for artificial intelligence to tackle antimicrobial resistance, The Lancet Digital Health (2023). DOI: 10.1016/S2589-7500(23)00221-2