Mitigación de la resistencia a los antimicrobianos mediante soluciones innovadoras en IA (MARISA): un análisis...

Área de la Ciencia:

• La informática médica
• Enfermedades infecciosas
• Salud pública

Sus antecedentes:

• La resistencia a los antimicrobianos (AMR) plantea un importante desafío para la salud mundial.
• La inteligencia artificial (IA) ofrece nuevos enfoques para combatir la resistencia a los antimicrobianos, pero las prioridades de investigación en esta intersección no están definidas.

Objetivo del estudio:

• Identificar y priorizar las áreas clave de investigación en la intersección de la IA y la AMR.
• Definir las direcciones de investigación futuras para las iniciativas de IA-AMR.

Principales métodos:

• Se empleó un enfoque modificado de la Alianza James Lind.
• Se llevaron a cabo entrevistas semiestructuradas con ocho expertos en IA y RAM.
• El análisis de 338 respuestas codificadas identificó 44 temas distintos.

Principales resultados:

• Los principales obstáculos identificados incluyen el acceso fragmentado a los datos, los desafíos de integración y los desincentivos económicos.
• Las diez principales prioridades de investigación incluyen terapia combinada, nuevas terapias, adquisición de datos, política de salud pública de AMR, priorización, asignación de recursos económicos, diagnóstico, modelado de la evolución microbiana, predicción de AMR y vigilancia.
• Se propuso el marco BARDI (intercambio de datos intermediados, modelado basado en la inteligencia artificial, diagnóstico rápido, descubrimiento de fármacos, prevención económica integrada).

Conclusiones:

• La definición de prioridades de investigación es crucial para el avance de las aplicaciones de IA en la resistencia antimicrobiana.
• Abordar el acceso a los datos, los factores económicos y la representación regional es esencial para las estrategias eficaces de RMA de la IA.
• El marco BARDI ofrece un enfoque estructurado para guiar la futura investigación e implementación de la RAM.