|
هوش مصنوعی و مقاومت آنتی بیوتیکی در باکتریها
|
منیره رحیم خانی1    ، مریم گیلانی ، آریا دانشور |
| 1- ، rrahimkhani@sina.tums.ac.ir |
|
|
چکیده: (25 مشاهده) |
زمینه و هدف: مقاومت ضد میکروبی (Antimicrobial Resistance - AMR) بهعنوان یکی از چالشهای اصلی سلامت عمومی، نیازمند رویکردهای نوین برای بهبود تشخیص، پیشبینی و تصمیمگیری بالینی است. در سالهای اخیر، یادگیری ماشینی (Machine Learning - ML) بهعنوان زیرمجموعهای از هوش مصنوعی (Artificial Intelligence - AI) بهطور گسترده برای پیشبینی مقاومت آنتیبیوتیکی، تسریع تشخیص AMR و حمایت از نسخهنویسی آنتیبیوتیک مورد بررسی قرار گرفته است. هدف این مطالعه، مرور و تحلیل انتقادی شواهد موجود درباره کاربردهای ML در زمینه AMR، با تمرکز بر عملکرد الگوریتمها، قابلیت کاربرد بالینی و محدودیتهای عملی آنها است.
مواد و روش ها: این مقاله بهصورت یک مرور روایی با جستوجوی ساختاریافته در پایگاههای داده علمی انجام شده و مطالعاتی که از الگوریتمهای ML برای پیشبینی مقاومت، تشخیص سریع یا پشتیبانی از تصمیمگیری بالینی استفاده کردهاند، مورد بررسی قرار گرفتهاند.
یافته ها: نتایج نشان میدهد که اگرچه برخی مدلهای ML در شرایط خاص و وابسته به زمینه عملکرد قابل قبولی ارائه دادهاند، شواهد موجود برتری پایدار و عمومی آنها نسبت به روشهای آماری مرسوم را تأیید نمیکند. علاوه بر این، محدودیتهایی مانند عدم تعمیمپذیری، وابستگی به دادههای تکمرکزی، نیاز به بازآموزی دورهای، کیفیت و بایاس دادههای پرونده سلامت الکترونیکی و ناتوانی برخی مدلها در اولویتدهی به آنتیبیوتیکهای با طیف باریک، چالشهای اساسی در کاربرد عملی ML محسوب میشوند.
نتیجه گیری : در مجموع، یافتههای این مرور نشان میدهد که یادگیری ماشینی در حال حاضر باید بهعنوان یک ابزار پشتیبان تصمیمگیری، مکمل قضاوت بالینی و برنامههای نظارت ضد میکروبی در نظر گرفته شود و اثبات نقش قطعی آن در بهبود پیامدهای سخت بالینی نیازمند مطالعات دنیای واقعی و کارآزماییهای مداخلهای آینده است.
|
|
| واژههای کلیدی: مقاومت ضد میکروبی، هوش مصنوعی، باکتریهای بیماریزا |
|
|
|
نوع مطالعه: مروری |
موضوع مقاله:
میکروبیولوژی
دریافت: 1403/10/2 | پذیرش: 1405/5/14
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
