勇敢的新世界的人工智能:其在抗菌管理中的使用-系统性审查

科学领域:

• 公共卫生 公共卫生
• 传染性疾病 传染性疾病
• 医疗信息学 医疗信息学

背景情况:

• 抗菌素耐药性 (AMR) 构成了全球健康的重大威胁,需要先进的战略来有效管理.
• 人工智能 (AI) 为分析复杂的医疗数据和支持临床决策提供了强大的能力.
• 抗菌管理计划 (ASP) 对于优化抗生素使用和打击AMR至关重要.

研究的目的:

• 系统地审查AI的应用,特别是机器学习 (ML) 算法,在抗微生物管理计划 (ASP) 中.
• 评估ML算法的预测性能,与在住院和门诊环境中对抗微生物药物处方的临床决定进行比较.
• 确定AI在与抗菌素处方和AMR预测相关的任务中的实用性.

主要方法:

• 进行了对18项观察性研究的系统审查,这些研究来源于包括PubMed,Scopus和Web of Science在内的数据库.
• 纳入标准侧重于针对传染病的研究,利用人工智能模型作为预测因素,并排除仅用于体外研究的研究.
• 数据提取包括研究设计,出版年份,患者队列大小,研究目标,使用的ML算法和绩效指标.

主要成果:

• 所有包括的研究都证明了ML算法在支持ASP方面的实用性.
• 发现ML模型在识别不适当的抗生素处方,指导适当治疗选择和预测AMR方面是有效的.
• 曲线下的面积 (AUC),一个关键的性能指标,在审查的研究中从0.64到0.992不等.

结论:

• 机器学习算法显示出有很大的潜力,可以帮助抗菌药物管理团队完成各种关键任务.
• 尽管存在道德方面的考虑,但人工智能在提高抗菌药物管理计划的有效性方面发挥了有前途的作用.
• 人工智能驱动的工具可以为优化抗生素使用和减轻AMR的公共卫生挑战做出积极贡献.