抗菌素耐药性（AMR）是指引起感染的微生物（如细菌和病毒）随着时间的推移发生变化，不再对传统抗生素药物产生反应。这种耐药性使得像艾滋病、结核病和疟疾等严重疾病更难治疗，增加了重症风险，促进了疾病的传播，并提高了死亡率。AMR尤其影响水质差的低中等收入国家，这些地区通过废物传播的AMR风险较高。
2015年，世界卫生组织（WHO）制定了一个全球行动计划，以协调应对AMR的努力。因此，194个WHO成员国承诺制定国家特定的一体化健康AMR国家行动计划（NAPs）。一体化健康模型认识到人类、动物、植物及其共处环境之间的相互联系。然而，物流能力不足、资金短缺和难以获得必要的信息可能会阻碍低中等收入国家的知情NAP政策制定。
由中国科学院朱永管教授和英国杜伦大学大卫·格雷厄姆教授共同领导的研究团队开发了AMR-Policy GPT工具。这个大型语言模型包含了来自146个国家的AMR相关政策文件的信息。AMR-Policy GPT的操作方式类似于现有的AI聊天机器人，但包括了一个聚焦元素，使其能够提供比通用聊天机器人更为当前、准确和上下文相关的AMR信息。
“我们相信我们的原型是一个有价值的起点，特别是对于那些缺乏本地数据或基础设施来支持综合行动对抗AMR的地区，”杜伦大学生物科学系的大卫·格雷厄姆教授说。
“任何关于全球健康的解决方案都需要全面考虑，而我们的工具将通过增加各国之间关于AMR环境传播的知识共享，帮助指导AMR政策的发展，”他补充道。
“它本质上为决策者提供了来自所有学科的可靠信息，并且可以持续更新，确保聊天机器人工具保持最新和有效。”
研究人员强调，AMR-Policy GPT的主要目的是作为“智能”信息来源，辅助政策制定过程，而不是设计用来编写全面的国家行动计划。他们将继续改进和扩展原型，并根据用户的反馈探索如何进一步优化。未来，他们计划整合更多的科学知识与政策信息，创建一个增强版的AMR-Policy GPT。
中国上海交通大学和美国约翰斯·霍普金斯布隆伯格公共卫生学院的研究人员也参与了这项研究。该研究已发表在《环境科学与技术》杂志上。AMR-Policy GPT工具免费供公众使用。
(全文结束)
