[論文レビュー] Applying data technologies to combat AMR: current status, challenges, and opportunities on the way forward

Leonid Chindelevitch, Elita Jauneikaitea+25 more|arXiv (Cornell University)|Jul 5, 2022

Bacterial Identification and Susceptibility Testing被引用数 7

ひとこと要約

本論文は、抗菌薬耐性（AMR）と闘うためにデータ技術—人工知能（AI）、機械学習（ML）、統計モデリング—の応用をレビューし、監視、予防、診断、治療の側面に焦点を当てる。現在の進展を概説し、高所得国および低所得国における実装の課題を特定し、統合的かつワンヘルスに整合した戦略を提言することで、AMR対策の加速とグローバルな管理の向上を図る。

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.

研究の動機と目的

• 2050年までに年間1000万人以上の死亡をもたらすと予測される、抗菌薬耐性（AMR）の増大する公衆衛生的脅威に対処すること。
• バイオメディカル研究における変革的潜在能力にもかかわらず、現在のデータ技術の使用におけるギャップを特定すること。
• 臨床的実践、公衆衛生、およびワンヘルス枠組みにおけるデータ技術がAMR管理において果たす役割を評価すること。
• 高所得国および低・中所得国における実装の課題を浮き彫りにすること。
• 医療および公衆衛生システムへのデータ技術の統合を促進する具体的な提言を提供することにより、AMR管理の強化を図ること。

提案手法

• AMRに応用された最新のデータ技術—AI、機械学習、数学的および統計的モデリング—に関するシステマティックレビュー。
• 応用を4つの分野に分類する：監視、予防、診断、治療。
• 多様な保健システムおよびワンヘルスの文脈における実世界の事例研究およびパイロット実装の分析。
• データドリブンなAMR対策のスケーリングに向けた技術的・インfraストラクチャ的・政策的障壁の評価。
• 人間、動物、環境のデータを統合するワンヘルスのレンズを用いて、包括的なAMR監視と対応を実現すること。
• クロスセクター連携およびデータ相互運用性基準に基づいた実行可能な提言の開発。

実験結果

リサーチクエスチョン

• RQ1 データ技術は現在、AMRの監視、予防、診断、治療のどの分野にどのように応用されているか？
• RQ2 低・中所得国におけるデータドリブンなAMR対策のスケーリングに向けた主な技術的・インfraストラクチャ的・政策的障壁は何か？
• RQ3 AIおよび機械学習モデルは、耐性病原体の早期検出およびアウトブレイク追跡をどのように改善できるか？
• RQ4 全ゲノムシーケンシングおよびリアルタイムデータ統合は、AMR監視と対応をどのように強化するか？
• RQ5 グローバルなAMR対策におけるデータ技術の広範な採用を可能にするために、政策およびシステムレベルでどのような変化が必要か？

主な発見

• AIや機械学習といったデータ技術は、バイオメディカル研究における実証済みの潜在能力にもかかわらず、AMR管理における活用が不十分にとどまっている。
• AMR病原体の全ゲノムシーケンシングにより、感染経路の正確な追跡とアウトブレイク検出が可能となり、仮想事例研究でその有効性が示された。
• モバイルおよびドローンベースのシステムを通じたリアルタイムで暗号化され、匿名化されたデータ共有は、診断と治療の迅速化に加え、公衆衛生監視を支援する。
• 人間、動物、環境の健康データシステム間の相互運用性は依然として大きな課題であり、特にリソースが限られた地域で顕著である。
• 医療現場の業務プロセスおよび公衆衛生システムへのデータ技術の統合は、インfraストラクチャ、データガバナンス、人的資源の能力の制限によって制限されている。
• 具体的な提言として、データガバナンスの強化、デジタルヘルスインfraストラクチャへの投資、ワンヘルスに向けたデータ統合の促進により、グローバルなAMR対応の強化が可能となる。