人工智能技术助力全球抗微生物耐药性努力

抗微生物耐药性（AMR）是指引起感染的微生物（如细菌和病毒）随着时间的推移发生变化，不再对常用的抗生素药物产生反应。这种情况使得像艾滋病、结核病和疟疾等严重疾病更难以治疗，并增加了重症、疾病传播和死亡的风险。AMR对低收入和中等收入国家的影响尤为显著，这些地区的水质通常较差，废物中的AMR环境传播也较高。

2015年，世界卫生组织（WHO）制定了《全球行动计划》，以协调应对AMR的努力。因此，194个WHO成员国承诺制定各自的“一体化健康”抗微生物耐药性国家行动计划（NAPs）。这种“一体化健康”模型认识到人类、动物、植物及其共有的环境之间的相互联系。

然而，物流能力不足、资金短缺以及缺乏必要的信息访问权限等问题，可能会阻碍这些国家制定知情的NAP政策，特别是在低收入和中等收入国家。现在，由中国科学院朱永官教授和英国杜伦大学David Graham教授共同领导的一个国际研究团队开发了一种AI工具，旨在填补政策制定所需的关键知识空白，协助准备国家行动计划。

这项研究成果已发表在《环境科学与技术》期刊上。研究团队开发的大型语言模型工具称为AMR-Policy GPT，包含了来自146个国家的抗微生物耐药性相关政策文件的信息。它的工作方式类似于现有的AI聊天机器人（如ChatGPT），但具有一种聚焦元素，鼓励提供更及时、准确且上下文相关的AMR信息，而不仅仅是通用的聊天机器人。

杜伦大学生物科学系的David Graham教授表示：“我们相信这个原型是制定国家行动计划的良好起点，尤其是对于那些缺乏本地数据或基础设施来支持综合行动对抗AMR的地区。任何涉及全球健康的解决方案都需要从整体角度出发，我们的工具将通过增加各国之间关于AMR环境传播的知识共享，帮助指导政策制定。”

“本质上，它为决策者提供了来自所有学科的权威信息，触手可及。并且由于其持续更新的能力，我们的框架确保了聊天机器人工具始终是最新的和有效的。”

研究团队强调，AMR-Policy GPT的主要目的是作为‘智能’信息来源，辅助政策制定过程——就像房间里有一位聪明的朋友，并不是用来编写全面的NAPs。

研究人员将继续改进和完善这一原型，并探索如何根据用户的反馈进一步提升其功能。未来，他们希望整合更多的科学知识和政策信息，创建一个增强版的AMR-Policy GPT。朱永官教授说：“鉴于有关AMR及其对政策可能影响的庞大且不断增长的信息量，我们认为AI是整合知识和初步理解的优秀工具。”

参与该研究的还有来自中国上海交通大学和美国约翰霍普金斯大学彭博公共卫生学院的研究人员。

(全文结束)