Umjetna inteligencija mogla bi razviti tretmane za sprječavanje 'superbakterija'
Posljednji pregledao: 14.06.2024
Svi iLive sadržaji medicinski se pregledavaju ili provjeravaju kako bi se osigurala što je moguće točnija činjenica.
Imamo stroge smjernice za pronalaženje izvora i samo povezujemo s uglednim medijskim stranicama, akademskim istraživačkim institucijama i, kad god je to moguće, medicinski pregledanim studijama. Imajte na umu da su brojevi u zagradama ([1], [2], itd.) Poveznice koje se mogu kliknuti na ove studije.
Ako smatrate da je bilo koji od naših sadržaja netočan, zastario ili na neki drugi način upitan, odaberite ga i pritisnite Ctrl + Enter.
Istraživači s klinike Cleveland razvili su model umjetne inteligencije (AI) koji može odrediti najbolju kombinaciju i vrijeme za prepisivanje lijekova za liječenje bakterijske infekcije isključivo na temelju stope rasta bakterija pod određenim izloženostima. Tim predvođen dr. Jacobom Scottom i njegovim laboratorijem u Teoretskom odjelu za translacijsku hematologiju i onkologiju nedavno su objavili svoje rezultate u Proceedings of the National Academy of Sciences. p>
Antibioticima se pripisuje produljenje životnog vijeka u Sjedinjenim Državama za gotovo jedno desetljeće. Liječenje je smanjilo stopu smrtnosti od zdravstvenih problema koje sada smatramo manjima, kao što su posjekotine i ozljede. Međutim, antibiotici više ne djeluju tako dobro kao nekada, djelomično zbog njihove raširene upotrebe.
"Globalne zdravstvene organizacije slažu se da ulazimo u postantibiotsko doba", objašnjava dr. Scott. “Ako ne promijenimo način na koji se borimo protiv bakterija, do 2050. Više će ljudi umrijeti od infekcija otpornih na antibiotike nego od raka.”
Bakterije se brzo množe, stvarajući mutirano potomstvo. Pretjerana uporaba antibiotika daje bakterijama priliku da razviju mutacije koje su otporne na liječenje. S vremenom antibiotici ubijaju sve osjetljive bakterije, ostavljajući samo jače mutante koje antibiotici ne mogu uništiti.
Jedna od strategija koju liječnici koriste za modernizaciju liječenja bakterijskih infekcija zove se rotacija antibiotika. Pružatelji zdravstvenih usluga izmjenjuju različite antibiotike tijekom određenih vremenskih razdoblja. Prebacivanje između različitih lijekova daje bakterijama manje vremena da razviju otpornost na bilo koju klasu antibiotika. Rotacija čak može učiniti bakterije osjetljivijima na druge antibiotike.
"Rotacija lijekova obećava u učinkovitom liječenju bolesti", kaže prvi autor studije i student medicine Davis Weaver, Ph.D. “Problem je što ne znamo najbolji način da to učinimo. Ne postoje standardi za to koji antibiotik davati, koliko dugo i kojim redoslijedom.”
Koautor studije dr. Jeff Maltas, postdoktorski istraživač na klinici Cleveland, koristi računalne modele da predvidi kako ih otpornost bakterija na jedan antibiotik čini slabijom na drugi. Udružio se s dr. Weaverom kako bi istražio mogu li modeli temeljeni na podacima predvidjeti obrasce rotacije lijekova koji minimiziraju otpornost na antibiotike i maksimiziraju osjetljivost na antibiotike, unatoč nasumičkoj prirodi evolucije bakterija.
Dr. Weaver je vodio primjenu učenja potkrepljenja na model rotacije lijekova, koji uči računalo da uči iz svojih pogrešaka i uspjeha kako bi odredilo najbolju strategiju za dovršenje zadatka. Prema Dr. Weaver i Maltas, ova je studija jedna od prvih koja je primijenila potkrepljujuće učenje na režime rotacije antibiotika.
Shematizirana evolucijska simulacija i testirani pristupi optimizaciji. Izvor: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
"Učenje s pojačanjem idealan je pristup jer samo trebate znati koliko brzo bakterije rastu, što je relativno lako odrediti", objašnjava dr. Weaver. “Postoji i prostor za varijacije i ljudske pogreške. Nema potrebe svaki put mjeriti stopu rasta do milisekunde.”
Umjetna inteligencija istraživačkog tima uspjela je otkriti najučinkovitije planove rotacije antibiotika za liječenje više sojeva E. Coli i sprječavanje otpornosti na lijekove. Studija pokazuje da umjetna inteligencija može podržati složeno donošenje odluka, kao što je izračunavanje rasporeda liječenja antibioticima, kaže dr. Maltas.
Dr. Weaver objašnjava da osim upravljanja infekcijom pojedinačnog pacijenta, timski AI model može informirati kako bolnice liječe infekcije u cjelini. On i njegov istraživački tim također rade na proširenju svog rada izvan bakterijskih infekcija na druge smrtonosne bolesti.
"Ova ideja nije ograničena na bakterije, već se može primijeniti na sve što može razviti otpornost na liječenje", kaže. "U budućnosti, vjerujemo da bi se ove vrste umjetne inteligencije mogle koristiti za upravljanje karcinomima otpornim na liječenje."