[论文解读] 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 7

一句话总结

本文综述了数据技术——人工智能、机器学习和统计建模——在应对抗微生物药物耐药性（AMR）中的应用，重点聚焦于监测、预防、诊断和治疗。文章概述了当前的技术进展，识别了高收入国家和低收入国家在实施过程中面临的挑战，并提出了整合性、契合“同一健康”理念的策略，以加速技术采纳并改善全球AMR控制。

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.

研究动机与目标

• 应对抗微生物药物耐药性（AMR）日益增长的公共卫生威胁，预计到2050年每年将导致超过1000万例死亡。
• 识别尽管数据技术在生物医学研究中具有变革潜力，但在当前应用中仍存在明显缺口。
• 评估数据技术在临床实践、公共卫生及“同一健康”框架下AMR管理中的作用。
• 突出高收入国家与低收入及中等收入国家在实施过程中面临的关键挑战。
• 提出将数据技术整合到医疗和公共卫生系统中的具体建议，以增强AMR控制。

提出的方法

• 系统性回顾近年来在抗微生物药物耐药性（AMR）中应用的人工智能、机器学习、数学与统计建模等数据技术的最新进展。
• 将应用分类为四个领域：监测、预防、诊断和治疗。
• 分析来自不同卫生系统和“同一健康”背景下的真实案例研究与试点实施。
• 评估技术、基础设施和政策障碍对数据驱动型AMR干预措施规模化的影响。
• 采用“同一健康”视角，整合人类、动物和环境数据，实现AMR的全面监测与响应。
• 基于跨部门协作与数据互操作性标准，提出可操作的建议。

实验结果

研究问题

• RQ1 当前数据技术在AMR的监测、预防、诊断和治疗中如何应用？
• RQ2 在低收入及中等收入国家，数据驱动型AMR干预措施规模化面临哪些关键技术、基础设施和政策障碍？
• RQ3 人工智能和机器学习模型如何提升耐药病原体的早期检测与疫情追踪能力？
• RQ4 全基因组测序与实时数据整合在增强AMR监测与响应中发挥什么作用？
• RQ5 为实现全球AMR控制中数据技术的广泛采用，需要哪些政策与系统层面的变革？

主要发现

• 尽管在生物医学研究中已证明其潜力，人工智能和机器学习等数据技术在AMR管理中的应用仍严重不足。
• 对AMR病原体进行全基因组测序可实现对传播路径和疫情爆发的精准追踪，如假设性案例研究所示。
• 通过移动设备和无人机系统实现实时、加密且匿名化的数据共享，可加速诊断与治疗，同时支持公共卫生监测。
• 人类、动物和环境健康数据系统之间的互操作性仍是重大挑战，尤其在资源有限的环境中。
• 临床工作流程与公共卫生系统中数据技术的整合，受限于基础设施、数据治理和人力资源能力。
• 具体建议包括：加强数据治理、投资数字健康基础设施，并推动“同一健康”数据整合，以提升全球AMR应对能力。