Fotografie používaná pouze pro reprezentační účely | Foto kredit: Getty Images/IStockphoto
Tým vědců z IIIT-Delhi přišel s integrací dat poháněných AI a prediktivními analytickými nástroji, aby pochopil vzorce rezistence na antibiotika v reálném čase, což na ně umožnilo rychle jednat.
V rámci spolupráce mezi Indraprastha Institute of Information Technology-Delhi, Chri-Path, Tata 1mg a Indian Council of Medical Research Scientists byl nasazen nástroj řízený AI Amrsense pro používání rutinních údajů, které jsou generovány v nemocnicích k přesnému generování přesných a včasné poznatky o antimikrobiální rezistenci na celosvětové úrovni, národní úrovni a nemocniční úrovni.
V papíru,„Nové trendy v antimikrobiální rezistenci u infekcí krevního řečiště: multicentrická longitudinální studie v Indii“Publikováno v Regionální zdraví Lancet – jihovýchodní AsieAutoři, Jasmine Kaur, Harpreet Singh a Tavpritesh Sethi, ukazují výsledky z analýzy šestiletých údajů z 21 terciárních pečovatelských středisek v Indické radě pro dohled AMR pro lékařský výzkum retrospektivně, navázání vztahů mezi páry antibiotik a směrovým vlivem rezistence v komunitě a Infekce získané v nemocnici.
„Mezi antibiotiky existuje sdílený mechanismus rezistence.“ Obvykle to dělají, lidé používají genomiku, ale to je drahý návrh, “vysvětluje Dr. Sethi. „Navrhli jsme způsob, který je levný, protože tyto rutinní datové soubory používá z nemocnic. Ukazujeme, že efektivním používáním rutinních dat můžeme rozeznat vztahy mezi různými páry antibiotik a směrem, který AMR provádí – ať už roste nebo ne. Řekněme například, že pokud rezistence na jedno specifické antibiotikum stoupá, několik měsíců po hranici, je docela pravděpodobné, že by se také mohla vystřelit rezistence vůči antibiotickému páru. S těmito spojeními jsme vytvořili akční důkazy. “
Dr. Sethi dodává: „Snažili jsme se překročit tradiční způsob pohledu na AI – ptali se, jak může umožnit lepší rozhodování pro daného pacienta v klinickém prostředí nebo v prostředí veřejného zdraví. Myslíme si, že AI lze také použít k pochopení aspektů správcovství a sledování AMR z úrovně nemocnice nahoru. Nemocnice již rutinně vysílají izoláty pacienta, například krev, sputum, moč, hnis atd. Pro testování citlivosti kultury, aby se činila informovaná rozhodnutí o léčebných kurzech. Říkáme, že tyto zprávy lze použít k vytvoření potrubí a metod založených na AI, které mohou vést k antimikrobiálnímu správcovství řízenému AI nebo AI. “
Scorecard Amrorbit, kterou tým vyvinul, také získala ocenění na 2024 Údaje o sledování AMR. Můžeme tyto scorecards použít k tomu, aby byly včas? Dr. Sethi vysvětluje: „Vykresluje orbitu odporu, řekněme o každé nemocnici nebo oddělení, spolu s globálním mediánem odporu a globální mírou změny. Takže kolem těchto globálních hodnot, jak dobře je oddělení, nemocnice nebo určité zemědělské jízdné? K tomu bude Scorecard schopna poskytnout data v reálném čase. “
Ideální kvadrant pro jakoukoli nemocnici nebo zemi, ve kterém je tam, kde je také nízká výchozí odpor a nízká míra změny, vysvětluje Jasmine Kaur, IIIT-D a hlavní autor dokumentu. Okraje spirály dovnitř nebo ven, ale nástroj AI může nabídnout informace usnadňující včasné zásahy, které ji mohou přivést do žádoucího rozsahu odporu.
Jak přesné a spolehlivé jsou tyto modely AI? „V našem příspěvku jsme ukázali, že naše modely zachytily trendy, jak je pozorováno v období, které jsme shromažďovali údaje. Pokud však nebudeme mít budoucí data, nemůžeme opravdu říci, například, například Covid- 19 vyvýšil věci, že? Jediným důkazem, který v současné době máme, je to, že globálně se zdá, že naše modely zachycují rostoucí míru odporu v různých studiích. “
Lékaři mohou činit informovaná rozhodnutí na základě vizuálního obrazu, že jim Omrorbit poskytuje pomocí údajů generovaných nemocnicí, vysvětluje paní Kaurovou. Bylo prokázáno, že může rozšířit pokračující dohled na různých úrovních. Nástrojem lze provést různé druhy srovnání, dodává. Například, pokud se jedná o řetěz nemocnic, lze tento nástroj použít k porovnání sazeb AMR mezi různými odděleními, městy a centry po celé zemi. „Jediným možným omezením by bylo okolnosti a nastavení, která nemají konzistentní údaje o granulárním dohledu. Potom model AI nebude mít smysl. To by se mohlo vyskytnout v zemích, kde údaje o dohledu nejsou digitálně přístupné., “Dodává.
„Víme, že existují i jiné environmentální faktory, jako jsou anibiotika, která se používají jako růstové faktory v drůbeže odvětví nebo vyluhování v půdě, které mohou také vést k AMR. Ideální by bylo, kdybychom na úrovni veřejného zdraví měli být schopni používat data, která máme z nemocnic, spojit je s prodejem antibiotik a údaji na úrovni komunity a studovat také faktory životního prostředí. Doufáme, že to brzy uděláme, vysvětluje Dr. Sethi.
Publikováno – 21. února 2025 05:00
