Dans une nouvelle étude réalisée par l'Académie chinoise des sciences et l'Université de Newcastle sous la direction conjointe du professeur Yong-Guan Zhu et du professeur David W. Graham, respectivement, les experts ont compilé une base de données complète de 254 738 articles s'étalant sur deux décennies, mettant en lumière modèles de recherche sur la RAM dans le monde.

Ils ont constaté que la terminologie et les méthodes utilisées dans la recherche sur la RAM diffèrent considérablement selon les secteurs médical, vétérinaire, de la sécurité alimentaire, de l'agriculture végétale et de l'environnement. Les différences sémantiques et méthodologiques se traduisent par un travail d'évaluation limité entre les secteurs et une communication intersectorielle limitée, ce qui entraîne des messages incohérents destinés aux décideurs.

Grâce à une analyse sophistiquée basée sur l’IA, l’équipe a développé des cartes mondiales présentant les activités de recherche régionales, méthodologiques et sectorielles sur la RAM. Les résultats confirment un manque flagrant de collaboration interdisciplinaire, en particulier dans les pays à faible revenu, où le fardeau de l'augmentation de la RAM est le plus grave.

Publié dans la revue Environment International , les résultats expliquent pourquoi les solutions à la RAM basées sur One Health ne se développent pas autant que nécessaire. Les résultats pourraient jouer un rôle essentiel en fournissant des orientations sur la manière et le lieu de mieux intégrer la surveillance de la RAM dans les secteurs et les régions du monde.

Le professeur David W. Graham, professeur émérite d'ingénierie à l'université de Newcastle, a déclaré :« Les résultats mettent en évidence le besoin urgent d'une plus grande coordination des méthodes de recherche entre les secteurs et les régions. Par exemple, les communautés médicales et vétérinaires ont besoin d'informations sur les agents pathogènes infectieux vivants de la RAM pour pouvoir prioriser les décisions, alors que les chercheurs en environnement se concentrent souvent sur les cibles génétiques. Nos travaux montrent que la culture de la microbiologie, le séquençage des isolats et la métagénomique doivent être effectués en tandem dans tous les travaux futurs, et que davantage de données contextuelles doivent être collectées pour relier les résultats de différents secteurs. P>

"Les conclusions de notre article soutiennent les messages clés du Programme des Nations Unies pour l'environnement et de l'Organisation mondiale de la santé qui soulignent que la meilleure façon d'atténuer la RAM passe par la prévention et la surveillance intégrée, qui sont essentielles pour prioriser les solutions."

Ce problème est abordé par le Groupe technique quadripartite des Nations Unies sur la surveillance intégrée de l'utilisation et de la résistance aux antimicrobiens, dont les professeurs Zhu et Graham sont membres.

Graham a poursuivi :« Ce travail n'a été possible que grâce à son utilisation nouvelle de l'intelligence artificielle et du traitement du langage naturel pour effectuer des recherches intelligentes dans une base de données étendue et vivante, une archive que nous mettons ouvertement à la disposition du public et des contributions. Cet article représente le premier d'une série de manuscrits conjoints tirant parti de l'IA pour guider les futurs programmes de recherche sur la RAM et d'autres programmes de recherche. "

Le professeur Yong-Guan Zhu, professeur de sciences environnementales à l'Académie chinoise des sciences, a ajouté :« Le cadre One Health est d'une importance cruciale pour sauvegarder la santé humaine et celle des écosystèmes, mais sa mise en œuvre nécessite des feuilles de route; cette étude arrive à point nommé pour identifier [une] voie à suivre. L'étude démontre également que la collaboration multidisciplinaire et internationale est essentielle pour résoudre les défis mondiaux, et que nous devrions adopter les technologies émergentes, telles que l'IA. "

Les deux scientifiques recommandent de futures recherches et des investissements accrus dans le développement des capacités, en particulier dans les pays à faible revenu, pour relever les défis urgents liés à la RAM dans ces régions.