Umetna inteligenca bi lahko razvila zdravljenje za preprečevanje "superbakterij

Raziskovalci na kliniki v Clevelandu so razvili model umetne inteligence (UI), ki lahko določi najboljšo kombinacijo in čas uporabe zdravil za zdravljenje bakterijske okužbe izključno na podlagi stopnje rasti bakterije pod določenimi pogoji. Ekipa, ki jo vodi dr. Jacob Scott in njegov laboratorij v teoretičnem oddelku za translacijsko hematologijo in onkologijo, je svoje ugotovitve nedavno objavila v reviji Proceedings of the National Academy of Sciences.

Pripisujejo antibiotikom zasluge za podaljšanje povprečne pričakovane življenjske dobe v Združenih državah Amerike za skoraj desetletje. Zdravljenje je zmanjšalo stopnjo umrljivosti zaradi zdravstvenih težav, ki jih danes smatramo za manjše, kot so nekatere ureznine in poškodbe. Vendar antibiotiki ne delujejo več tako dobro kot nekoč, deloma zato, ker se tako pogosto uporabljajo.

»Svetovne zdravstvene organizacije se strinjajo, da vstopamo v postantibiotično dobo,« pojasnjuje dr. Scott. »Če ne bomo spremenili načina boja proti bakterijam, bo do leta 2050 zaradi okužb, odpornih na antibiotike, umrlo več ljudi kot zaradi raka.«

Bakterije se hitro razmnožujejo in ustvarjajo mutirane potomce. Prekomerna uporaba antibiotikov daje bakterijam možnost, da razvijejo mutacije, ki so odporne na zdravljenje. Sčasoma antibiotiki ubijejo vse dovzetne bakterije, tako da ostanejo le močnejše mutante, ki jih antibiotiki ne morejo ubiti.

Ena od strategij, ki jo zdravniki uporabljajo za poenostavitev zdravljenja bakterijskih okužb, se imenuje rotacija antibiotikov. Zdravstveni delavci sčasoma izmenično uporabljajo različne antibiotike. Preklapljanje med različnimi zdravili bakterijam daje manj časa za razvoj odpornosti na kateri koli razred antibiotikov. Rotacija lahko bakterije celo naredi bolj dovzetne za druge antibiotike.

»Rotacija zdravil je obetavna pri učinkovitem zdravljenju bolezni,« pravi prvi avtor študije in študent medicine Davis Weaver, doktor znanosti. »Težava je v tem, da ne vemo, kako to najbolje storiti. Ni standardov za to, kateri antibiotik dajati, kako dolgo ali v kakšnem vrstnem redu.«

Soavtor študije dr. Jeff Maltas, podoktorski raziskovalec na kliniki v Clevelandu, uporablja računalniške modele za napovedovanje, kako odpornost bakterij na en antibiotik oslabi odpornost na drugega. Z dr. Weaverjem se je združil, da bi ugotovil, ali lahko modeli, ki temeljijo na podatkih, napovedujejo vzorce rotacije zdravil, ki zmanjšujejo odpornost na antibiotike in maksimizirajo občutljivost, kljub naključni naravi bakterijske evolucije.

Dr. Weaver je vodil uporabo učenja s krepitvijo v modelu rotacije zdravil, ki računalnik uči, da se uči iz svojih napak in uspehov, da bi določil najboljšo strategijo za dokončanje naloge. Po besedah dr. Weaverja in dr. Maltasa je ta študija ena prvih, ki uporablja učenje s krepitvijo v shemah rotacije antibiotikov.

Shematska evolucijska simulacija in preizkušeni optimizacijski pristopi. Vir: Zbornik Nacionalne akademije znanosti (2024). DOI: 10.1073/pnas.2303165121

»Učenje z utrjevanjem je idealen pristop, saj morate vedeti le, kako hitro bakterije rastejo, kar je relativno enostavno določiti,« pojasnjuje dr. Weaver. »Obstaja tudi prostor za človeške variacije in napake. Ni vam treba vsakič meriti hitrosti rasti do milisekunde natančno.«

Umetna inteligenca raziskovalne skupine je uspela ugotoviti najučinkovitejše načrte rotacije antibiotikov za zdravljenje več sevov E. coli in preprečevanje odpornosti na zdravila. Študija kaže, da lahko umetna inteligenca podpira kompleksno odločanje, kot je izračun urnikov zdravljenja z antibiotiki, pravi dr. Maltas.

Dr. Weaver pojasnjuje, da bi lahko model umetne inteligence ekipe poleg obvladovanja okužbe pri posameznem pacientu vplival tudi na to, kako bolnišnice zdravijo okužbe na splošno. On in njegova raziskovalna ekipa si prizadevata razširiti svoje delo tudi na druge smrtonosne bolezni, ki presegajo bakterijske okužbe.

»Ta ideja ni omejena le na bakterije, temveč jo je mogoče uporabiti za kateri koli predmet, ki lahko razvije odpornost na zdravljenje,« pravi. »V prihodnosti verjamemo, da bi se te vrste umetne inteligence lahko uporabljale za obvladovanje raka, odpornega na zdravljenje.«