Применение машинного обучения к проблеме антимикробной резистентности: формирующаяся модель трансляционных исследований

Антимикробная резистентность (AMR) остается одним из наиболее сложных явлений современной медицины. Машинное обучение (ML) — это раздел искусственного интеллекта, который сосредоточен на разработке алгоритмов, способных точно предсказывать исходные переменные на основе больших наборов предикторных переменных, обычно не отобранных вручную и минимально курируемых. Модели параметризуют с использованием обучающего набора данных, а затем применяют к тестовому набору, на котором оценивают прогностическую эффективность. Применение алгоритмов ML к проблеме AMR в последние 5 лет вызывает все больший интерес вследствие экспоненциального роста экспериментальных и клинических данных, значительных инвестиций в вычислительные мощности, улучшения работы алгоритмов и нарастающей потребности в инновационных подходах к снижению бремени болезни. Здесь мы рассматриваем современное состояние исследований на стыке ML и AMR с акцентом на три направления. Первое — прогнозирование AMR с использованием геномных данных. Второе — использование ML для получения представления о клеточных функциях, нарушаемых антибиотиками, что служит основой для понимания механизмов действия и разработки новых противоинфекционных препаратов. Третье — применение ML для антимикробной терапии и контроля на основе данных, извлекаемых из электронной медицинской карты. Хотя использование ML для понимания, диагностики, лечения и профилактики AMR все еще находится на раннем этапе, дальнейший рост объема данных и интереса гарантирует, что в будущем оно станет важным инструментом программ трансляционных исследований.