Resistencias antimicrobianas (RAM)
Resistencias antimicrobiana
Prevalencia de Resistencia antimicrobina RAM en Virginia, USA.
Este resumen académico se basa en el artículo original publicado en la revista Antibiotics y proporciona una visión general de los hallazgos clave y las implicaciones del estudio sobre la resistencia antimicrobiana en Virginia, EEUU, desde una perspectiva de "Una Salud".
El estudio realizado por Kim y Ndegwa (2024) evaluó la frecuencia de resistencia antimicrobiana (RAM) en aislamientos bacterianos de _Escherichia coli_ (E. coli) y _Salmonella_ spp. obtenidos de diversas fuentes en Virginia entre 2007 y 2021. Se incluyeron un total de 1604 aislamientos bacterianos, que abarcaban muestras de animales de granja, vida silvestre, medio ambiente y alimentos. Los resultados se basaron en el método de evaluación de susceptibilidad de disco difusión Kirby-Bauer a nueve categorías distintas de agentes antimicrobianos aprobados por la Administración de Alimentos y Medicamentos de los Estados Unidos para uso clínico.
Los hallazgos indicaron que la resistencia a la estreptomicina (STR) y a la tetraciclina (TCY) fue la más frecuente en _E. coli_ (39.1%) y _Salmonella_ (25.2%), respectivamente. Además, se observó resistencia a múltiples fármacos (MDR) en el 6.6% de los aislamientos de _E. coli_ y el 10.9% de los aislamientos de _Salmonella_. Se destacó que el 51% de los aislamientos de _E. coli_ y el 36% de los aislamientos de _Salmonella_ mostraron resistencia a más de un antimicrobiano. Ninguno de los antimicrobianos probados garantizó eficacia contra las bacterias aisladas de las fuentes y regiones estudiadas.
Los resultados resaltaron una alta prevalencia de MDR y patrones distintos de RAM en bacterias aisladas de productos alimenticios en comparación con otras fuentes muestreadas. Estos hallazgos son fundamentales para comprender el panorama actual de RAM, impulsar el desarrollo de estrategias para mitigar la emergencia de bacterias resistentes a los antimicrobianos y promover el uso prudente de los antimicrobianos desde una perspectiva de "Una Salud" (One Health).
Este estudio subraya la importancia de la vigilancia regional y local de RAM para implementar estrategias de concienciación y mitigación, así como el desarrollo de políticas y programas de investigación en salud pública. Se destaca la necesidad de un enfoque integral de "Una Salud" que involucre la colaboración intersectorial entre los sectores de salud pública, salud animal y salud ambiental para abordar eficazmente el desafío de la RAM.
Referencia:
Kim J, Ndegwa E. One Health Landscape of Antimicrobial Resistance in Bacteria Isolated from Virginia between 2007-2021. Antibiotics. 2024; 13(6):504. https://doi.org/10.3390/antibiotics13060504
Inteligencia Artificial (IA) y Resistencia antimicrobiana (RAM)
El estudio realizado por Branda y Scarpa (2024) aborda las implicaciones de la inteligencia artificial (IA) en la lucha contra la resistencia antimicrobiana (RAM), destacando la innovación y los desafíos globales en la atención médica del futuro. La IA ofrece estrategias innovadoras para abordar esta crisis, como el análisis de datos genómicos para detectar marcadores de resistencia de manera temprana y la optimización del uso de antibióticos mediante sistemas de apoyo a la toma de decisiones impulsados por IA.
La IA también puede acelerar el descubrimiento de fármacos al predecir la eficacia de nuevos compuestos y identificar posibles agentes antibacterianos. Sin embargo, persisten desafíos como la calidad de los datos, la interpretabilidad de los modelos y la implementación en el mundo real. Se destaca la importancia de un enfoque multidisciplinario que integre la IA con otras tecnologías emergentes, como la biología sintética y la nanomedicina, para prevenir y mitigar eficazmente la RAM, preservando la eficacia de los antibióticos para las generaciones futuras.
Este estudio resalta la necesidad de colaboración multidisciplinaria y acceso gratuito a conjuntos de datos de alta calidad para acelerar el desarrollo de nuevos medicamentos antibióticos y la formación de modelos de aprendizaje automático. La integración de la IA con otras tecnologías emergentes ofrece una perspectiva prometedora para abordar la RAM y garantizar la eficacia de los antibióticos en el futuro.
Referencia:
Branda F, Scarpa F. Implications of artificial intelligence in addressing antimicrobial resistance: Innovations, global challenges, and healthcare's future. Antibiotics. 2024; 13(6):502. https://doi.org/10.3390/antibiotics13060502
Este resumen académico se basa en el artículo original publicado en la revista Antibiotics y proporciona una visión general de las innovaciones, desafíos globales y el futuro de la atención médica relacionados con el uso de la inteligencia artificial para abordar la resistencia antimicrobiana.
Comentarios
Publicar un comentario