fa هوش مصنوعی و مقاومت آنتی بیوتیکی در باکتریها میکروبیولوژی Microbiology مروری Review <span style="font-size:12pt"><span style="line-height:150%"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">زمینه و هدف: مقاومت ضد میکروبی (</span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span cambria="" style="font-family:">Antimicrobial Resistance - </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">AMR</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">) به‌عنوان یکی از چالش‌های اصلی سلامت عمومی، نیازمند رویکردهای نوین برای بهبود تشخیص، پیش‌بینی و تصمیم‌گیری بالینی است. در سال‌های اخیر، یادگیری ماشینی (</span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span cambria="" style="font-family:">Machine Learning - </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">ML</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">) به‌عنوان زیرمجموعه‌ای از هوش مصنوعی (</span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span cambria="" style="font-family:">Artificial Intelligence - </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">AI</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">) به‌طور گسترده برای پیش‌بینی مقاومت آنتی‌بیوتیکی، تسریع تشخیص </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">AMR</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:"> و حمایت از نسخه‌نویسی آنتی‌بیوتیک مورد بررسی قرار گرفته است. هدف این مطالعه، مرور و تحلیل انتقادی شواهد موجود درباره کاربردهای </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">ML</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:"> در زمینه </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">AMR</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">، با تمرکز بر عملکرد الگوریتم‌ها، قابلیت کاربرد بالینی و محدودیت‌های عملی آن‌ها است.</span></span></span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:150%"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">مواد و روش ها: </span></span></span></span>&nbsp;<span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">این مقاله به‌صورت یک مرور روایی با جست‌وجوی ساختاریافته در پایگاه‌های داده علمی انجام شده و مطالعاتی که از الگوریتم‌های </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">ML</span></span></span></span><span style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:"> برای پیش‌بینی مقاومت، تشخیص سریع یا پشتیبانی از تصمیم‌گیری بالینی استفاده کرده‌اند، مورد بررسی قرار گرفته‌اند. </span></span></span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:150%"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">یافته ها: نتایج نشان می‌دهد که اگرچه برخی مدل‌های </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">ML</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:"> 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 </span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">ML</span></span></span></span><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:"> محسوب می‌شوند. </span></span></span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:150%"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="AR-SA" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span b="" nazanin="" style="font-family:">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.</span></span></span></span><span dir="LTR" style="font-size:14.0pt"><span style="background:yellow"><span style="line-height:150%"><span style="font-family:"B Nazanin""></span></span></span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:12pt"><span style="background:white"><span style="line-height:150%"><span new="" roman="" style="font-family:" times=""><b><span style="background:white"><span style="color:black">Introduction and Objectives: Antibiotic resistance has increased significantly in recent years, and on the other hand, machine learning (ML) algorithms are increasingly used in medical research and healthcare and gradually improve clinical performance.</span></span></b><b><span style="background:white"></span></b></span></span></span></span><br> <span style="font-size:12pt"><span style="background:white"><span style="line-height:150%"><span new="" roman="" style="font-family:" times=""><b><span style="background:white"><span style="color:black">Material and Methods: Among the various applications of these new methods, their use in the fight against antimicrobial resistance (AMR) is one of the most critical areas of interest, because the rise of antibiotic resistance and the management of multidrug-resistant infections that are difficult to treat are important challenges.</span></span></b><b><span style="background:white"></span></b></span></span></span></span><br> <span style="font-size:12pt"><span style="background:white"><span style="line-height:150%"><span new="" roman="" style="font-family:" times=""><b><span style="background:white"><span style="color:black">Results: Both supervised and unsupervised machine learning tools have been successfully used to predict early antibiotic resistance and thus support clinicians in selecting the appropriate treatment.</span></span></b><b><span style="background:white"></span></b></span></span></span></span><br> <span style="font-size:12pt"><span style="background:white"><span style="line-height:150%"><span new="" roman="" style="font-family:" times=""><b><span style="background:white"><span style="color:black">Conclusion: Machine learning and (AI) in connection with the prediction of antimicrobial resistance is one of today&#39;s sciences</span></span></b><b> </b><b><span style="background:white"><span style="color:black">,</span></span></b><b> </b><b><span style="background:white"><span style="color:black">&nbsp;therefore, an antimicrobial stewardship program (ASP) should be implemented to optimize antibiotic prescribing through evidence-based clinical decisions, and to limit AMR.</span></span></b><b><span style="background:white"></span></b></span></span></span></span><br> &nbsp; مقاومت ضد میکروبی ، هوش مصنوعی، باکتریهای بیماریزا antimicrobial resistance, machine learning, artificial intelligence 0 0 http://sjku.muk.ac.ir/browse.php?a_code=A-10-6872-2&slc_lang=fa&sid=1 monireh rahimkhani منیره رحیم خانی rrahimkhani@sina.tums.ac.ir 5400319475328460073465 5400319475328460073465 Yes maryam gilani مریم گیلانی marygilani@yahoo.com 5400319475328460073466 5400319475328460073466 No Arya Daneshvar آریا دانشور daneshvar12@gmail.com 5400319475328460073467 5400319475328460073467 No