پیش بینی مقاومت آنتی میکروبی با هوش مصنوعی از EHR و داده های میکروبیولوژی

مقاومت آنتی میکروبی(AMR) به یکی از بزرگترین تهدیدات سلامت عمومی در قرن بیست و یکم تبدیل شده است. تاخیر در شناسایی الگوی مقاومت، منجر به تجویز تجربی آنتی بیوتیک های وسیع الطیف، افزایش مرگ و میر و هزینه های درمانی می شود. روش های سنتی فنوتیپی(کشت) زمان بر هستند(48 تا 72 ساعت) و روش های مولکولی مانند PCR نیز دانش پیشینی از ژن های مقاومت نیاز دارند. هدف این پژوهش، مروری بر کاربرد هوش مصنوعی(AI) و یادگیری عمیق(DL) در پیش بینی مقاومت آنتی میکروبی با استفاده از داده های در دسترس پرونده الکترونیک سلامت ( EHR ) و داده های میکروبیولوژی است. این پژوهش یک مطالعه مروری نقادانه(Narrative Review)بر اساس آخرین یافته های منتشر شده در پایگاه های معتبر نظیر Frontiers ، PubMed ، Nature و ScienceDirect است که به تحلیل مدل های پیش بینی AMR بر پایه داده های بالینی ساختاریافته (EHR)، داده های ژنومی، متدهای چندوجهی(Multimodal)، یادگیری فدرال و معماری های نوین مانند Transformer و ABM می پردازد.