中国"全健康"视角下抗菌药物耐药性研究的进展与挑战：基于44,000篇文献的系统分析

为解决抗菌药物耐药性(AMR)这一威胁人类、动物、植物和环境的重大健康问题，研究人员通过机器学习框架系统分析了2000-2024年间44,000余篇科学文献，建立了国家AMR知识库。研究发现中国AMR研究虽符合"全健康"原则，但在艰难梭菌(C. difficile)等病原体研究、益生菌AMR传播风险及食品系统监测技术等方面仍需加强。该研究为制定AMR防控策略提供了重要数据支持。

　　

抗菌药物耐药性(AMR)正对人类、动物、植物、食品系统和环境构成多方面的健康威胁。为应对这一挑战，中国开展了大量研究。这项研究通过结合基于Transformer的语言模型和聚类分析的机器学习框架，系统分析了2000-2024年间超过44,000篇科学文献，建立了国家AMR知识库。

研究采用自然语言处理(NLP)技术识别了"全健康"(One Health)各领域的关键AMR研究主题、子主题和检测方法，并追踪其随时间的变化趋势。主要发现包括：(1)中国人类健康领域的AMR研究与社会疾病负担相符，但对艰难梭菌(Clostridium difficile)和乙型肝炎病毒等高风险病原体的研究存在空白；(2)益生菌AMR研究虽在增加，但其使用相关的AMR传播风险常被低估，特别是在上市后监测和产品标准化方面；(3)新型抗菌剂和替代疗法的发现对中国AMR防控至关重要；(4)人工智能(AI)方法在指导研究方面前景广阔，特别是在天然产物和植物提取物探索领域。

总体而言，中国的AMR研究符合"全健康"原则，其中植物健康领域的研究已超越全球水平，但食品系统需要更多努力和跨部门研究，特别是在开发有效的AMR检测和监测技术方面。该研究展示了一个可复制的方法学框架，为建立国家科学证据平台提供了范例，为制定当前和未来的AMR防控行动计划提供了重要数据支持。