Вештачка интелигенција би могла да развије третмане за спречавање „супербактерица“

Истраживачи на Кливлендској клиници развили су модел вештачке интелигенције (АИ) који може да одреди најбољу комбинацију и време за прописивање лекова за лечење бактеријске инфекције засновано искључиво на стопи раста бактерија под одређеним излагањем. Тим који предводи др Џејкоб Скот и његова лабораторија у Теоријском одељењу за транслациону хематологију и онкологију недавно су објавили своје резултате у Процеедингс оф тхе Натионал Ацадеми оф Сциенцес. П>

Антибиотицима се приписује повећање очекиваног животног века у Сједињеним Државама за скоро једну деценију. Третман је смањио стопу смртности од здравствених проблема које сада сматрамо мањим, као што су посекотине и повреде. Међутим, антибиотици више не делују добро као некада, делом због њихове широке употребе.

„Глобалне здравствене организације се слажу да улазимо у пост-антибиотску еру“, објашњава др Скот. „Ако не променимо начин на који се боримо против бактерија, до 2050. Године више људи ће умрети од инфекција отпорних на антибиотике него од рака.”

Бактерије се брзо размножавају, производећи мутантно потомство. Прекомерна употреба антибиотика даје бактеријама могућност да развију мутације које су отпорне на лечење. Временом, антибиотици убијају све осетљиве бактерије, остављајући само јаче мутанте које антибиотици не могу да униште.

Једна стратегија коју лекари користе за модернизацију лечења бактеријских инфекција назива се ротација антибиотика. Пружаоци здравствених услуга мењају различите антибиотике у одређеним временским периодима. Пребацивање између различитих лекова даје бактеријама мање времена да развију отпорност на било коју класу антибиотика. Ротација може чак учинити бактерије подложнијим другим антибиотицима.

„Ротација лекова обећава у ефикасном лечењу болести“, каже први аутор студије и студент медицине Дејвис Вивер, др. „Проблем је што не знамо најбољи начин да то урадимо. Не постоје стандарди који антибиотик давати, колико дуго и којим редоследом.”

Коаутор студије др Џеф Малтас, постдокторски истраживач на Кливлендској клиници, користи компјутерске моделе да предвиди како их отпорност бактерија на један антибиотик чини слабијим на други. Удружио се са др Вивером да би истражио да ли модели засновани на подацима могу предвидети обрасце ротације лекова који минимизирају резистенцију на антибиотике и максимизирају осетљивост на антибиотике, упркос насумичној природи бактеријске еволуције.

Др. Вивер је довео примену учења са појачањем на модел ротације лекова, који учи рачунар да учи из својих грешака и успеха како би одредио најбољу стратегију за завршетак задатка. Према др. Веавер и Малтас, ова студија је једна од првих која је применила учење појачања на режиме ротације антибиотика.

Шематска еволуциона симулација и тестирани приступи оптимизације. Извор: Зборник радова Националне академије наука (2024). ДОИ: 10.1073/пнас.2303165121

„Учење са појачањем је идеалан приступ јер само треба да знате колико брзо бактерије расту, што је релативно лако одредити“, објашњава др Вивер. „Такође има простора за варијације и људске грешке. Нема потребе да сваки пут мерите стопу раста до милисекунде.”

Интелектуална интелигенција истраживачког тима успела је да открије најефикасније планове ротације антибиотика за лечење више сојева Е. Цоли и спречавање резистенције на лекове. Студија показује да вештачка интелигенција може да подржи сложено доношење одлука, као што је израчунавање распореда лечења антибиотиком, каже др Малтас.

Др. Вивер објашњава да поред управљања инфекцијом појединачног пацијента, тимски АИ модел може да информише како болнице третирају инфекције у целини. Он и његов истраживачки тим такође раде на проширењу свог рада изван бактеријских инфекција на друге смртоносне болести.

„Ова идеја није ограничена на бактерије, већ се може применити на све што може развити отпорност на лечење“, каже он. „У будућности верујемо да би се ове врсте вештачке интелигенције могле користити за управљање канцером отпорним на лечење.“