Högskolan i Skövde

Introduktion: Antibiotikaresistens är ett allvarligt och komplext folkhälsoproblem. WHO uppmanar genom initiativet One health att antibiotikaresistens behöver ses holistiskt och att tvärdisciplinära lösningar krävs. AI och maskininlärning bedöms ha stor potential att användas inom beslutsstöd för att begränsa antibiotikaresistensen. För att AI ska våga användas och implementeras bör den vara tillförlitlig, vilket innebär att hänsyn till etiska aspekter bör tas under hela systemens livscykel. Trots förhoppningar kring AI:s potential är forskningsfältet ungt och det beskrivs svårigheter med att utföra systematiska litteraturstudier. Det kan därför finnas behov av studier av kartläggande karaktär. Syfte: Syftet var att kartlägga rådande kunskapsläge kring hur artificiell intelligens kan användas som beslutsstöd i arbetet med att begränsa antibiotikaresistens. Metod: En kvalitativ scoping review med en induktiv tematisk analys. Resultat: Maskininlärning, såsom AI, användes för att utveckla beslutsstöd tänkta att implementeras i klinisk miljö. De hade i regel som avsikt att på olika sätt och i olika grad förutse viktiga aspekter i ett vårdförlopp som kan hjälpa vårdpersonal att välja en individanpassad antibiotikabehandling. Förhoppningarna med tekniken motiverades med en rad olika teoretiska nyttor, men de reala nyttorna kunde i regel inte konstateras inom ramen för studierna. Slutsats: För att konstatera och kunna fördela nyttan krävs vidare forskning som tar hänsyn till etisk AI.

Introduction: Antibiotic resistance is a serious and complex public health issue. Through the One Health initiative, WHO calls for a holistic approach to antibiotic resistance and for interdisciplinary solutions. AI and machine learning are considered to have great potential for use in decision support to limit antibiotic resistance. For AI to be used and implemented, it should be reliable, which means that ethical aspects should be considered throughout the life cycle of the systems. Despite hopes for the potential of AI, the research field is young and difficulties are present in conducting systematic literature studies. There may therefore be a need for studies of a mapping nature. Purpose: The purpose was to map the current state of knowledge on how artificial intelligence can be used as decision support in the efforts to limit antibiotic resistance. Method: A qualitative scoping review with an inductive thematic analysis. Results: Machine learning, such as AI, was used to develop decision support intended to be implemented in clinical settings. They generally aimed to predict important aspects of the course of care that could help healthcare professionals choose an individualized antibiotic treatment. The potential of the technology is justified by a variety of theoretical benefits, but the real benefits could not be ascertained in the context of the studies. Conclusion: Further research is needed to establish and distribute the benefits while also considering ethical AI.