AMR הוא כאשר מיקרואורגניזמים הגורמים לזיהומים, כגון חיידקים ווירוסים, משתנים עם הזמן ואינם מגיבים עוד לתרופות אנטיביוטיות.
זה מקשה על הטיפול במצבים חמורים כמו HIV, שחפת ומלריה ומגביר את הסיכון למחלות קשות, התפשטות מחלות ומוות.
AMR משפיע במיוחד על מדינות בעלות הכנסה נמוכה עד בינונית שבהן איכות המים לרוב ירודה והתפשטות הסביבתית של AMR דרך פסולת יכולה להיות גבוהה.
בשנת 2015 ארגון הבריאות העולמי (WHO) גיבש תוכנית פעולה גלובלית לתיאום מאמצים להתמודדות עם AMR.
כתוצאה מכך, 194 מדינות חברות ב-WHO התחייבו לפתח תוכניות פעולה לאומיות של One Health AMR (NAP) ספציפיות למדינה.
מודל הבריאות האחת מזהה את הקשר בין אנשים, בעלי חיים, צמחים וסביבתם המשותפת.
עם זאת, יכולת לוגיסטית לא מספקת, מימון וגישה לקויה למידע חיוני עלולים להפריע לקביעת מדיניות NAP מושכלת, במיוחד במדינות בעלות הכנסה נמוכה עד בינונית.
כעת צוות בינלאומי של חוקרים, בראשות פרופסור יונג-גואן ז'ו מהאקדמיה הסינית למדעים ופרופסור דיוויד גרהם מאוניברסיטת דורהאם, בריטניה, יצר כלי בינה מלאכותית כדי לגשר על פערים קריטיים בידע הדרוש לפיתוח מדיניות בלתי פורמלית. לסייע בהכנת תוכניות פעולה לאומיות.
המחקר פורסם בכתב העת מדעי הסביבה וטכנולוגיה.
כלי מודל השפה הגדול שפותח על ידי צוות המחקר, הנקרא AMR-Policy GPT, מכיל מידע ממסמכי מדיניות הקשורים ל-AMR מ-146 מדינות.
זה עובד בצורה דומה לצ'אטבוטים מבוססי AI כמו ChatGPT אבל יש לו אלמנט מיקוד שמעודד מידע עדכני, מדויק ורלוונטי יותר להקשר על AMR בהשוואה לצ'אטבוטים גנריים יותר.
אנו מאמינים שאב הטיפוס שלנו מהווה נקודת מוצא חשובה לתוכניות פעולה לאומיות, במיוחד עבור חלקים בעולם שחסרים להם נתונים או תשתית מקומית לתמיכה בפעולה משולבת נגד AMR.
יש לראות כל פתרון הקשור לבריאות עולמית בצורה הוליסטית והכלי שלנו יעזור להנחות את פיתוח מדיניות AMR על ידי הגדלת שיתוף הידע בין מדינות ברחבי העולם, במיוחד הקשור להתפשטות הסביבתית של AMR.
בעיקרו של דבר, הוא מספק למקבלי החלטות מידע עם התייחסות טובה מכל הדיסציפלינות בקצות אצבעותיהם.
ועם היכולת לעדכן באופן רציף, המסגרת שלנו מבטיחה שכלי הצ'אטבוט יישאר מעודכן ויעיל".
פרופסור דיוויד גרהם מהמחלקה למדעי הביו של אוניברסיטת דורהאם
החוקרים מדגישים שהמטרה העיקרית של AMR-Policy GPT היא מקור מידע 'חכם' שיסייע בתהליך קביעת המדיניות – כמו שיש חבר חכם בחדר, והוא לא נועד לכתוב NAPs מקיף.
החוקרים ימשיכו לבנות על אב הטיפוס ולחקור כיצד ניתן לשפר ולהרחיב אותו בהמשך בעקבות משוב מהמשתמשים.
בעתיד הם ירצו לשלב עוד יותר ידע מדעי עם מידע מדיניות כדי ליצור GPT משופר של AMR-Policy.
פרופסור ז'ו אמר: "בהינתן נפח המידע העצום והגדל על AMR והשפעתו האפשרית על המדיניות, אנו חושבים שבינה מלאכותית היא כלי מצוין לשילוב ידע וגם לזיקוק ראשוני של הבנה".
כמו כן נכללו במחקר חוקרים מאוניברסיטת שנגחאי ג'יאו טונג בסין ובית הספר לבריאות הציבור של ג'ונס הופקינס בלומברג בארה"ב.
