Integración de la inteligencia artificial con la secuenciación del genoma contra la resistencia a los...

Área de la Ciencia:

• Microbiología
• Genómica
• Inteligencia Artificial

Sus antecedentes:

• La resistencia a los antimicrobianos (RAM) es una crisis de salud mundial importante que requiere herramientas de diagnóstico avanzadas.
• La secuenciación genómica ofrece información detallada sobre patógenos, pero enfrenta obstáculos de adopción clínica como el costo y el tiempo.

Objetivo del estudio:

• Revisar cómo la IA y el ML pueden mejorar los diagnósticos basados en la secuenciación para la RAM.
• Explorar las aplicaciones de la IA tanto en métodos genómicos como no genómicos para la caracterización de patógenos.

Principales métodos:

• Revisión narrativa de aplicaciones de IA/ML en secuenciación del genoma completo y metagenómica.
• Evaluación de la integración de IA con espectroscopía Raman y MALDI-TOF MS.
• Discusión de desafíos y direcciones futuras para diagnósticos guiados por IA.

Principales resultados:

• La IA mejora la predicción de RAM, el análisis del pan-genoma y la detección de brotes utilizando datos genómicos.
• La metagenómica impulsada por IA ayuda a perfilar patógenos y resistomas.
• La integración de ML con métodos rápidos como MALDI-TOF MS muestra potencial para un perfilado rápido de resistencia.

Conclusiones:

• La IA y el ML pueden superar las limitaciones de los diagnósticos de secuenciación actuales para la RAM.
• La integración de IA con herramientas genómicas y fenotípicas rápidas es clave para la vigilancia en tiempo real y la administración de antimicrobianos.
• Abordar las barreras prácticas es crucial para diagnósticos de IA escalables, explicables y equitativos.