IA revela lacunas críticas na investigação global sobre resistência antimicrobiana
Mapeamento global dos números de publicações relacionadas ao MRSA. Crédito:Environment International (2024). DOI:10.1016/j.envint.2024.108680 A inteligência artificial (IA) ajudou a identificar lacunas de conhecimento, metodológicas e de comunicação na investigação global sobre resistência antimicrobiana (RAM).
Num novo estudo realizado pela Academia Chinesa de Ciências e pela Universidade de Newcastle sob a co-liderança do Professor Yong-Guan Zhu e do Professor David W. Graham, respectivamente, os especialistas compilaram uma base de dados abrangente de 254.738 artigos abrangendo duas décadas, lançando luz sobre padrões de pesquisa sobre RAM em todo o mundo.
Descobriram que a terminologia e os métodos utilizados na investigação sobre a RAM diferem significativamente nos setores médico, veterinário, de segurança alimentar, de agricultura vegetal e ambiental. As diferenças semânticas e metodológicas resultam num trabalho de avaliação limitado entre sectores e numa comunicação intersectorial limitada, resultando em mensagens inconsistentes para os decisores.
Através de análises sofisticadas baseadas em IA, a equipa desenvolveu mapas globais que apresentam atividades de investigação regionais, metodológicas e setoriais sobre a RAM. As conclusões confirmam uma total falta de colaboração interdisciplinar, especialmente nos países de baixo rendimento, onde o fardo do aumento da RAM é mais agudo.
Publicado na revista Environment International , as conclusões explicam por que razão as soluções para a RAM baseadas no One Health não estão a desenvolver-se conforme necessário. Os resultados poderão desempenhar um papel fundamental no fornecimento de orientações sobre como e onde integrar melhor a vigilância da RAM em todos os setores e regiões do mundo.
O professor David W. Graham, professor emérito de engenharia da Universidade de Newcastle, disse:"As descobertas destacam a necessidade urgente de maior coordenação nos métodos de pesquisa entre setores e regiões. Por exemplo, as comunidades médicas e veterinárias precisam de informações sobre patógenos infecciosos vivos da RAM para priorizar decisões, enquanto os pesquisadores ambientais muitas vezes se concentram em alvos genéticos. Nosso trabalho mostra que a cultura da microbiologia e o sequenciamento de isolados e a metagenômica devem ser realizados em conjunto em todos os trabalhos futuros, e mais dados de contexto devem ser coletados para relacionar resultados de diferentes setores.
“As conclusões do nosso artigo apoiam mensagens importantes do Programa das Nações Unidas para o Meio Ambiente e da Organização Mundial da Saúde que enfatizam que a melhor forma de mitigar a RAM é através da prevenção e da vigilância integrada, o que é fundamental para priorizar soluções”.
Esta questão está a ser abordada pelo Grupo Técnico Quadripartite das Nações Unidas sobre Vigilância Integrada da Utilização e Resistência Antimicrobiana, do qual o Prof. Zhu e Graham são membros.
Graham continuou:"Este trabalho só foi possível devido ao novo uso da inteligência artificial e do processamento de linguagem natural para pesquisar de forma inteligente um banco de dados extenso e vivo, um arquivo que disponibilizamos abertamente para uso e contribuições públicas. Este artigo representa o primeiro de uma série de manuscritos conjuntos que aproveitam a IA para orientar a futura RAM e outras agendas de pesquisa."
O professor Yong-Guan Zhu, professor de Ciências Ambientais da Academia Chinesa de Ciências, acrescentou:"A estrutura do One Health é de importância crítica na salvaguarda da saúde humana e do ecossistema, mas precisa de roteiros para ser implementada; este estudo identifica oportunamente [um] caminho O estudo também demonstra que a colaboração multidisciplinar e internacional é essencial para resolver desafios globais e que devemos abraçar tecnologias emergentes, como a IA."
Ambos os cientistas recomendam investigação futura e um maior investimento no desenvolvimento de capacidades, especialmente em países de baixo rendimento, para enfrentar os desafios prementes da RAM nestas regiões.