抗微生物药物耐药性（Antimicrobial Resistance, AMR）已成为全球公共卫生的重大挑战之一，被世界卫生组织（WHO）列为亟待解决的优先事项。解决这一挑战需要全球有关各方协同努力，世界卫生组织、联合国粮农组织（FAO）、世界动物卫生组织（WOAH）以及联合国环境规划署（UNEP）为此共同成立了应对AMR的四方合作组织（Quadripartite），致力于推动和实施以“同一健康（One Health）”为核心的解决方案。以AMR为主题已发表数量庞大的论文，蕴含着丰富的科学知识。然而，人类大脑已无法对AMR论文进行全部地阅读和体系化整合，使得 “同一健康”框架下遏制AMR的政策制定和实施行动难以得到有效的科技支撑。

中国科学院城市环境研究所朱永官院士团队提出了基于人工智能（AI）的科学知识体系化整合新范式，构建了AMR主题文献关键信息提取数据库，结合“同一健康”框架体系绘制了AMR科学知识全景图谱。针对AMR主题至今已发表的25万+篇文献，团队创建了“AI+人工标记”训练和验证的关键信息提取与整合新范式。新范式耦合了自然语言处理、高效索引和智能识别等关键技术，所构建的数据库涵盖了全球178个国家的抗生素抗性基因和抗性菌等记录逾百万条。新范式绘制AMR知识全景图谱由监测对象、监测方法、监测地点、研究对象及相互关系组成。新范式及数据库与全景图谱由中国科学院城市环境研究所联合北京大学、中国科学院生态环境研究中心和纽卡斯尔大学，以 Characterising global antimicrobial resistance research explains why One Health solutions are slow in development: An application of AI-based gap analysis为题，发表在Environment International上。

全景图谱显示，AMR研究主题和监测方法在“同一健康”不同学科之间存在显著差异，这导致了不同领域决策者交流的信息不对称。例如，医学和兽医学倾向于依赖分离培养微生物的传统方法来评估工作优先级，而环境科学更依赖基因组学和宏基因组学测序。这表明，在“同一健康”框架下，评估AMR需要跨领域的、多角度的综合框架，以此收集更详细的标准化数据并制定对策。此外，“同一健康“框架下的综合监测研究在低收入国家几乎没有，而这些国家正面临着AMR加重的严峻局面，这些国家应成为未来研究和资助的重点。

全景图谱支撑了联合国环境规划署和世界卫生组织的AMR有关政策制定。例如，不同收入水平国家的AMR研究模式间的差异性（如图所示）。实验基础设施有限、国家行动计划不完善和财政支持不足等问题，限制了在特定区域中关键领域的研究进展。尤其是，预防和综合监测是各国解决AMR问题的首要环节，应在政策制定中优先考虑。

新范式获得了AMR研究领域各国专家的高度关注和热烈讨论。四方合作组织抗微生物药物耐药性和使用综合监测组织 (Quadripartite Technical Group on Antimicrobial Resistance and Use Integrated Surveillance, QTG-AIS）主席Sabiha Essack教授在社交媒体上评论道：“该工作创新性地使用人工智能方法确定综合监测差距，极具开创性，将会为联合国四方技术小组在同一健康视角下进行抗微生物药物耐药性综合监测工作扮演重要角色”。美国弗吉尼亚理工大学Amy Pruden教授在第七届环境抗微生物药物耐药性国际会议（EDAR7）的报告中表示：“看到这篇文章让我觉得开心，这项工作为理解和从日益增长的抗微生物药物耐药性研究中获益树立了一个榜样”。

   论文