基于数据隐私和深度学习的AMR仪表板,用于德克萨斯州的农村和地区兽医实践
Saroj Gopali1, Tianxi Ji1, Marcelo Schmidt2
1Department of Computer Science, Texas Tech University, Lubbock, TX, United States.
Frontiers in veterinary science
|December 29, 2025
概括
这项研究引入了一个AI仪表板,使用德克萨斯州14年的兽医数据来对抗抗菌素耐药性 (AMR). 它帮助兽医做出治疗决策和监测耐药性模式,加强抗菌药物管理.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 抗菌素耐药性 (AMR) 是一个重大的全球健康威胁,影响人类和动物的健康.
- 德克萨斯州农村地区的兽医缺乏实时数据工具,以做出明智的抗菌治疗决策.
- 现有的AMR数据分析方法在兽医从业人员的可访问性和及时应用方面存在挑战.
研究的目的:
- 为德克萨斯州的兽医从业人员开发一个人工智能驱动的仪表板,以帮助他们做出抗菌治疗决策.
- 利用现实世界AMR数据和先进的AI模型进行预测分析和阻力模式监测.
- 通过改进数据可访问性和隐私,加强抗微生物药物管理并支持One Health倡议.
主要方法:
- 利用了德克萨斯州兽医实验室的14年真实世界AMR数据.
- 采用深度学习模型,包括长期短期记忆 (LSTM) 和Prophet with Recurrent Neural Networks (RNN),用于预测和数据归算.
- 集成的保护隐私的指纹技术 (隐形标记) 用于安全的数据共享.
主要成果:
- 人工智能仪表板提供像热图,Sankey图表和MIC分布这样的视觉洞察力.
- 兽医可以使用预测分析来进行实证治疗选择和抗药性模式监测.
- 展示了人工智能的成功应用,以数据完整性和隐私转变基于证据的兽医.
结论:
- 由人工智能驱动的仪表板有效地解决了兽医AMR数据分析中的关键差距.
- 该工具使兽医能够改善抗微生物药物管理和公共卫生结果.
- 人工智能显示出显著的潜力,可以在兽医中加强数据驱动的决策,同时确保数据安全.
