Umelá inteligencia by mohla vyvinúť liečbu na prevenciu „superbugov“

Výskumníci z Cleveland Clinic vyvinuli model umelej inteligencie (AI), ktorý dokáže určiť najlepšiu kombináciu a načasovanie na predpisovanie liekov na liečbu bakteriálnej infekcie výlučne na základe rýchlosti rastu baktérií pri určitých expozíciách. Tím vedený Dr. Jacobom Scottom a jeho laboratóriom v Teoretickom oddelení translačnej hematológie a onkológie nedávno zverejnil svoje výsledky v Proceedings of the National Academy of Sciences. P>

Antibiotikám sa pripisuje zvýšenie priemernej dĺžky života v Spojených štátoch takmer o desaťročie. Liečba znížila úmrtnosť na zdravotné problémy, ktoré teraz považujeme za menej závažné, ako sú niektoré rezné rany a zranenia. Antibiotiká však už nefungujú tak dobre ako kedysi, čiastočne kvôli ich rozšírenému používaniu.

„Globálne zdravotnícke organizácie sa zhodli, že vstupujeme do postantibiotickej éry,“ vysvetľuje Dr. Scott. „Ak nezmeníme spôsob, akým bojujeme proti baktériám, do roku 2050 zomiera viac ľudí na infekcie odolné voči antibiotikám ako na rakovinu.“

Baktérie sa rýchlo množia a produkujú mutantné potomstvo. Nadmerné používanie antibiotík dáva baktériám možnosť vyvinúť mutácie, ktoré sú odolné voči liečbe. Postupom času antibiotiká zabíjajú všetky citlivé baktérie a zostanú len silnejšie mutanty, ktoré antibiotiká nedokážu zničiť.

Jedna stratégia, ktorú lekári používajú na modernizáciu liečby bakteriálnych infekcií, sa nazýva rotácia antibiotík. Poskytovatelia zdravotnej starostlivosti striedajú rôzne antibiotiká počas určitých časových období. Prepínanie medzi rôznymi liekmi poskytuje baktériám menej času na rozvoj rezistencie na ktorúkoľvek triedu antibiotík. Rotácia môže dokonca spôsobiť, že baktérie budú náchylnejšie na iné antibiotiká.

„Striedanie liekov je sľubné pri účinnej liečbe chorôb,“ hovorí prvý autor štúdie a študent medicíny Davis Weaver, Ph.D. „Problém je v tom, že nevieme, ako to najlepšie urobiť. Neexistujú žiadne normy na to, aké antibiotikum podávať, ako dlho a v akom poradí.“

Spoluautor štúdie Dr. Jeff Maltas, postdoktorandský výskumník na Clevelandskej klinike, používa počítačové modely na predpovedanie toho, ako ich odolnosť voči jednému antibiotiku oslabuje voči druhému. Spojil sa s Dr. Weaverom, aby preskúmal, či modely založené na údajoch dokážu predpovedať modely rotácie liekov, ktoré minimalizujú rezistenciu na antibiotiká a maximalizujú citlivosť na antibiotiká, a to aj napriek náhodnej povahe evolúcie baktérií.

Dr. Weaver viedol aplikáciu posilňovacieho učenia na model rotácie liekov, ktorý učí počítač učiť sa zo svojich chýb a úspechov, aby určil najlepšiu stratégiu na dokončenie úlohy. Podľa Dr. Weaver a Maltas, táto štúdia je jednou z prvých, ktorá aplikovala učenie posilňovania na režimy striedania antibiotík.

Schematická evolučná simulácia a testované optimalizačné prístupy. Zdroj: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121

„Posilnené učenie je ideálny prístup, pretože potrebujete vedieť, ako rýchlo baktérie rastú, čo je pomerne ľahké určiť,“ vysvetľuje Dr. Weaver. „Je tu tiež priestor pre variácie a ľudské chyby. Nie je potrebné zakaždým merať rýchlosť rastu na milisekundu.“

Umelá inteligencia výskumného tímu dokázala zistiť najefektívnejšie plány rotácie antibiotík na liečbu viacerých kmeňov E. Coli a prevenciu rezistencie voči liekom. Štúdia ukazuje, že AI môže podporiť komplexné rozhodovanie, ako je napríklad výpočet rozvrhov antibiotickej liečby, hovorí Dr. Maltas.

Dr. Weaver vysvetľuje, že okrem zvládnutia infekcie jednotlivého pacienta môže tímový model AI informovať o tom, ako nemocnice liečia infekcie ako celok. On a jeho výskumný tím tiež pracujú na rozšírení svojej práce nad rámec bakteriálnych infekcií na ďalšie smrteľné choroby.

"Táto myšlienka nie je obmedzená na baktérie, ale môže byť aplikovaná na čokoľvek, čo môže vyvinúť rezistenciu voči liečbe," hovorí. „Veríme, že v budúcnosti by sa tieto typy AI mohli použiť na zvládnutie rakoviny rezistentnej na liečbu.“