从数据到行动：绘制数据驱动的抗微生物耐药性应对路径
机器学习
2025-02-04 v1 人工智能
种群与进化
摘要
抗微生物耐药性（AMR）微生物是医疗保健领域日益严峻的挑战，导致现代药物失效。AMR源于抗生素生产和细菌进化，但其传播的量化仍然困难。随着AMR相关数据的增加，数据驱动方法为其成因和治疗提供了有前景的见解。本文从数据分析和机器学习视角综述AMR研究，总结最新进展，并探讨监测、预测、药物发现、管理策略和驱动因素分析等关键领域。讨论了数据源、方法和挑战，强调了标准化和互操作性。此外，本文调查了用于AMR分析的统计和机器学习技术，解决了数据噪声和偏差等问题。重点介绍了去噪和去偏策略，以增强AMR研究的公平性和鲁棒性。本文强调了跨学科合作和对数据挑战的认识在推进AMR研究中的重要性，并指出了未来创新和改进方法的方向。
引用
@article{arxiv.2502.00061,
title = {From Data to Action: Charting A Data-Driven Path to Combat Antimicrobial Resistance},
author = {Qian Fu and Yuzhe Zhang and Yanfeng Shu and Ming Ding and Lina Yao and Chen Wang},
journal= {arXiv preprint arXiv:2502.00061},
year = {2025}
}
备注
29 pages, 3 figures, 4 tables, survey paper