Wetenschap
AI brengt cruciale hiaten aan het licht in het mondiale onderzoek naar antimicrobiële resistentie
Kunstmatige intelligentie (AI) heeft geholpen bij het identificeren van kennis-, methodologische en communicatielacunes in het mondiale onderzoek naar antimicrobiële resistentie (AMR).
In een nieuwe studie uitgevoerd door de Chinese Academie van Wetenschappen en de Universiteit van Newcastle onder co-leiding van respectievelijk professor Yong-Guan Zhu en professor David W. Graham, hebben experts een uitgebreide database samengesteld van 254.738 artikelen verspreid over twee decennia, die licht werpen op patronen van AMR-onderzoek wereldwijd.
Ze ontdekten dat de terminologie en methoden die worden gebruikt bij AMR-onderzoek aanzienlijk verschillen tussen de medische, veterinaire, voedselveiligheids-, plantaardige landbouw- en milieusectoren. De semantische en methodologische verschillen resulteren in beperkt waarderingswerk tussen sectoren en beperkte sectoroverschrijdende communicatie, wat resulteert in inconsistente boodschappen aan besluitvormers.
Door middel van geavanceerde, op AI gebaseerde analyses ontwikkelde het team mondiale kaarten die regionale, methodologische en sectorale AMR-onderzoeksactiviteiten weergeven. De bevindingen bevestigen een schril gebrek aan interdisciplinaire samenwerking, vooral in lage-inkomenslanden, waar de last van de toenemende AMR het meest acuut is.
Gepubliceerd in het tijdschrift Environment International , verklaren de bevindingen waarom oplossingen voor AMR op basis van One Health zich niet ontwikkelen zoals nodig. De resultaten kunnen een cruciale rol spelen bij het bieden van advies over hoe en waar het AMR-toezicht beter kan worden geïntegreerd in sectoren en regio's over de hele wereld.
Professor David W. Graham, emeritus hoogleraar techniek aan de Universiteit van Newcastle, zei:“De bevindingen benadrukken de dringende behoefte aan meer coördinatie in onderzoeksmethoden tussen sectoren en regio’s. De medische en veterinaire gemeenschappen hebben bijvoorbeeld informatie nodig over levende AMR-infectieuze pathogenen geven prioriteit aan beslissingen, terwijl milieuonderzoekers zich vaak concentreren op genetische doelen. Uit ons werk blijkt dat het kweken van microbiologie, isolatensequencing en metagenomica in al het toekomstige werk naast elkaar moeten worden uitgevoerd, en dat er meer contextgegevens moeten worden verzameld om resultaten uit verschillende sectoren met elkaar te kunnen vergelijken. P>
"De bevindingen van ons artikel ondersteunen kernboodschappen van het VN-Milieuprogramma en de Wereldgezondheidsorganisatie die benadrukken dat de beste manier om AMR te verminderen is door middel van preventie en geïntegreerd toezicht, wat essentieel is voor het prioriteren van oplossingen."
Dit wordt aangepakt door de Quadripartiete Technische Groep van de Verenigde Naties voor geïntegreerde surveillance van antimicrobieel gebruik en resistentie, waarvan zowel prof. Zhu als Graham lid zijn.
Graham vervolgde:"Dit werk was alleen mogelijk dankzij het nieuwe gebruik van kunstmatige intelligentie en natuurlijke taalverwerking om op intelligente wijze te zoeken in een uitgebreide en levende database, een archief dat we openlijk beschikbaar stellen voor openbaar gebruik en bijdragen. Dit artikel is het eerste in een reeks van gezamenlijke manuscripten waarbij gebruik wordt gemaakt van AI om de toekomstige AMR- en andere onderzoeksagenda te sturen."
Professor Yong-Guan Zhu, hoogleraar milieuwetenschappen aan de Chinese Academie van Wetenschappen, voegde hieraan toe:“Het raamwerk van One Health is van cruciaal belang voor het beschermen van de gezondheid van mens en ecosysteem, maar heeft routekaarten nodig om te implementeren; deze studie identificeert tijdig [een] pad De studie toont ook aan dat multidisciplinaire en internationale samenwerking essentieel is bij het oplossen van mondiale uitdagingen, en dat we opkomende technologieën, zoals AI, moeten omarmen."
Beide wetenschappers bevelen toekomstig onderzoek en meer investeringen in capaciteitsontwikkeling aan, vooral in lage-inkomenslanden, om de urgente AMR-uitdagingen in deze regio's aan te pakken.