使用大型语言模型帮助制定抗微生物药物耐药性政策:将环境纳入健康保护规划中
Cai Chen1,2, Shu-Le Li1,2, Anthony D So3
1Key Laboratory of Urban Environment and Health, Ningbo Observation and Research Station, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, Peoples R China.
抗生素耐药性 (AMR) 行动计划面临挑战,特别是在LMICs. 一个新的AI工具AMR-Policy GPT使用全球政策数据库来支持基于证据的AMR缓解策略.
科学领域:
- 全球卫生安全 全球卫生安全
- 环境科学 环境科学
- 公共政策 公共政策
背景情况:
- 抗菌素耐药性 (AMR) 的增加威胁着全球健康和经济,促使国家行动计划 (NAP).
- 低收入至中等收入国家 (LMICs) 面临着由于资源和数据有限而在实施NAP方面面临重大障碍.
- 抗药性政策目标与实际执行之间仍然存在差距,特别是在环境监测方面.
研究的目的:
- 解决AMR政策制定和实施中的知识差距.
- 创建一个全面的,全球AMR政策文件的多语言数据库.
- 开发和验证人工智能驱动的工具,以支持基于证据的抗菌药物政策制定.
主要方法:
- 编制了来自146个国家的AMR政策指导的多语言数据库,包括NAP和相关文件.
- 开发了AMR-Policy GPT,这是一个使用检索增强生成的大型语言模型.
- 验证了人工智能模型在搜索,总结和引用各种政策文件中的信息的准确性.
主要成果:
- 成功创建了一个对抗抗菌药物政策文件的综合数据库.
- 抗菌耐药性政策GPT在检索,总结和引用政策文件中的证据方面表现出熟练.
- 手动验证证实了AI的准确性和减少对询问的错误信息的能力.
结论:
- 抗菌耐药性政策GPT是弥合抗菌耐药性政策知识和后勤差距的原型.
- 该工具有可能支持政府和机构制定包容性,基于证据的抗菌药物抵抗策略.
- 建议进一步扩展数据库并进行测试,以增强该工具在全球抗菌耐药性减缓方面的能力.
更多相关视频
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
08:58Isolation and Identification of Waterborne Antibiotic-Resistant Bacteria and Molecular Characterization of their Antibiotic Resistance Genes
Published on: March 3, 2023
相关概念视频
Antibiotic Selection
Microorganisms in Medicine and Therapeutics
Biological Methods for Microbial Control
Steps in Outbreak Investigation
Models of Health Promotion and Illness Prevention II
The agent-host-environment model states that disease results...
Antimicrobial Effectiveness
