[논문 리뷰] Applying data technologies to combat AMR: current status, challenges, and opportunities on the way forward

Leonid Chindelevitch, Elita Jauneikaitea외 25명|arXiv (Cornell University)|2022. 07. 05.

Bacterial Identification and Susceptibility Testing인용 수 7

한 줄 요약

이 논문은 항생제 내성(AMR)과 퇼기하기 위해 데이터 기술—인공지능, 기계학습, 통계 모델링—의 적용을 검토하며, 감시, 예방, 진단 및 치료에 중점을 둔다. 현재의 발전 상황을 요약하고 고소득국과 저소득국에서의 구현 과제를 밝히며, 통합적이고 원헬스(One Health) 기반의 전략을 제안하여 글로벌 AMR 통제를 가속화한다.

ABSTRACT

Antimicrobial resistance (AMR) is a growing public health threat, estimated to cause over 10 million deaths per year and cost the global economy 100 trillion USD by 2050 under status quo projections. These losses would mainly result from an increase in the morbidity and mortality from treatment failure, AMR infections during medical procedures, and a loss of quality of life attributed to AMR. Numerous interventions have been proposed to control the development of AMR and mitigate the risks posed by its spread. This paper reviews key aspects of bacterial AMR management and control which make essential use of data technologies such as artificial intelligence, machine learning, and mathematical and statistical modelling, fields that have seen rapid developments in this century. Although data technologies have become an integral part of biomedical research, their impact on AMR management has remained modest. We outline the use of data technologies to combat AMR, detailing recent advancements in four complementary categories: surveillance, prevention, diagnosis, and treatment. We provide an overview on current AMR control approaches using data technologies within biomedical research, clinical practice, and in the "One Health" context. We discuss the potential impact and challenges wider implementation of data technologies is facing in high-income as well as in low- and middle-income countries, and recommend concrete actions needed to allow these technologies to be more readily integrated within the healthcare and public health sectors.

연구 동기 및 목표

• 2050년까지 연간 1,000만 명 이상의 사망을 초래할 것으로 예상되는 항생제 내성(AMR)의 증가하는 공중보건 위협에 대응한다.
• 생물의학 연구 분야에서의 변혁적 잠재력에도 불구하고, 현재 데이터 기술의 활용에 미치는 격차를 규명한다.
• 임상 실무, 공중보건 및 원헬스 프레임워크 전반에서 데이터 기술의 AMR 관리에서의 역할을 평가한다.
• 고소득국과 저소득·중간소득국 모두에서의 구현 과제를 부각시킨다.
• 의료 및 공중보건 시스템에 데이터 기술을 통합하여 AMR 통제를 향상시키기 위한 구체적인 권고안을 제시한다.

제안 방법

• 항생제 내성(AMR)에 적용된 최신 데이터 기술—인공지능, 기계학습, 수학적 및 통계 모델링—의 체계적 검토.
• 응용 분야를 감시, 예방, 진단 및 치료의 네 영역으로 분류.
• 다양한 보건 시스템과 원헬스 맥락에서의 실제 사례 연구 및 시범 구현 사례 분석.
• 데이터 기반 AMR 개입 사례의 확대를 방해하는 기술적, 인프라적, 정책적 장벽 평가.
• 인간, 동물 및 환경 데이터를 통합하기 위해 원헬스 시각을 활용하여 통합적인 AMR 감시 및 대응을 위한 접근.
• 다양한 부문 간 협업과 데이터 상호운용성 표준을 바탕으로 한 실행 가능한 권고안 개발.

실험 결과

연구 질문

• RQ1 현재 데이터 기술은 AMR의 감시, 예방, 진단 및 치료에 어떻게 적용되고 있는가?
• RQ2 저소득·중간소득국에서 데이터 기반 AMR 개입 사례의 확대를 방해하는 주요 기술적, 인프라적, 정책적 장벽은 무엇인가?
• RQ3 AI 및 기계학습 모델은 저항성 병원균의 조기 감지 및 유행 추적에 어떻게 기여할 수 있는가?
• RQ4 전장유전체 시퀀싱과 실시간 데이터 통합은 AMR 감시 및 대응을 어떻게 향상시키는가?
• RQ5 글로벌 AMR 통제에 있어 데이터 기술의 광범위한 도입을 가능하게 하기 위해 필요한 정책 및 제도적 변화는 무엇인가?

주요 결과

• 생물의학 연구 분야에서의 입증된 잠재력에도 불구하고, AI 및 기계학습과 같은 데이터 기술은 AMR 관리에서 아직 활용도가 낮다.
• AMR 병원균의 전장유전체 시퀀싱은 전달 경로 정밀 추적 및 유행 감지가 가능하며, 가상의 사례 연구에서 이를 입증했다.
• 모바일 및 드론 기반 시스템을 통한 실시간, 암호화 및 익명화된 데이터 공유가 진단 및 치료를 가속화하고 공중보건 감시를 지원할 수 있다.
• 인간, 동물 및 환경 보건 데이터 시스템 간의 상호운용성은 여전히 주요 과제이며, 특히 자원이 제한된 환경에서 더욱 그렇다.
• 의료 현장 워크플로우 및 공중보건 시스템에 데이터 기술 통합은 인프라, 데이터 거버넌스 및 인력 역량 부족으로 인해 제한되어 있다.
• 구체적인 권고안으로는 데이터 거버넌스 강화, 디지털 헬스 인프라 투자, 그리고 글로벌 AMR 대응 향상을 위한 원헬스 기반 데이터 통합 촉진이 포함된다.