دانشگاه آزاد اسلامی واحد نیشابور ، mahnazmohtashami@iau-neyshabur.ac.ir
چکیده: (3 مشاهده)
زمینه و هدف: مقاومت آنتی‌بیوتیکی یکی از مهم‌ترین چالش‌های سلامت عمومی در سراسر جهان است که موجب افزایش شکست درمان، طول مدت بستری، هزینه‌های درمان و مرگ‌ومیر می‌شود. در سال‌های اخیر، هوش مصنوعی، به‌ویژه الگوریتم‌های یادگیری ماشین، به‌عنوان ابزاری نوین برای شناسایی و پیش‌بینی مقاومت آنتی‌بیوتیکی و حمایت از تصمیم‌گیری بالینی مورد توجه قرار گرفته است. این مطالعه با هدف مرور شواهد موجود درباره کاربرد هوش مصنوعی در شناسایی، پیش‌بینی و پایش مقاومت آنتی‌بیوتیکی انجام شد. روش مطالعه: این مطالعه به‌صورت مرور روایی انجام شد. جستجوی مقالات در پایگاه‌های اطلاعاتی PubMed،Scopus و GoogleScholar با استفاده از کلیدواژه‌های Artificial Intelligence،Antibiotic Resistance وBacterial Resistanceانجام شد. مقالات منتشرشده در بازه زمانی 2014 تا 2026 بررسی شدند و مطالعات مرتبط با کاربرد هوش مصنوعی در شناسایی، تشخیص، پیش‌بینی و پایش مقاومت آنتی‌بیوتیکی وارد مطالعه شدند. یافته‌ها: بررسی مطالعات نشان داد که روش‌ها و ابزارهای مختلف هوش مصنوعی، از جمله یادگیری ماشین، یادگیری عمیق، شبکه‌های عصبی کانولوشنی و شبکه‌های عصبی گراف، در شناسایی ژن‌ها و نشانگرهای مقاومت، پیش‌بینی الگوهای مقاومت، تشخیص سریع مقاومت و پایش روندهای مقاومت آنتی‌بیوتیکی کاربرد دارند. این روش‌ها با استفاده از داده‌های ژنومی، متاژنومیک، آزمایشگاهی، مولکولی و بالینی، قابلیت شناسایی الگوهای مرتبط با مقاومت و حمایت از تصمیم‌گیری در مدیریت عفونت‌های مقاوم را نشان داده‌اند. با این حال، ناهمگونی داده‌ها، تفاوت در روش‌های آزمایشگاهی، محدود بودن داده‌های استاندارد، تفسیرپذیری پایین برخی مدل‌ها و کمبود مطالعات اعتبارسنجی خارجی از مهم‌ترین چالش‌های گزارش‌شده هستند. نتیجه‌گیری: هوش مصنوعی ظرفیت بالایی برای کمک به شناسایی، پیش‌بینی و پایش مقاومت آنتی‌بیوتیکی و پشتیبانی از تصمیم‌گیری درمانی دارد، اما در حال حاضر جایگزین روش‌های استاندارد آزمایشگاهی نیست. توسعه پایگاه‌های داده استاندارد، انجام مطالعات چندمرکزی و اعتبارسنجی خارجی مدل‌ها برای افزایش قابلیت کاربرد بالینی این فناوری ضروری است.
.png){kind=logo}
