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

Истраживачи на Кливлендској клиници развили су модел вештачке интелигенције (ВИ) који може да одреди најбољу комбинацију и време примене лекова за лечење бактеријске инфекције искључиво на основу брзине раста бактерија под одређеним условима. Тим, који предводи др Џејкоб Скот и његова лабораторија у Теоријском одељењу за транслациону хематологију и онкологију, недавно је објавио своје налазе у часопису Proceedings of the National Academy of Sciences.

Антибиотицима се приписује повећање просечног животног века у Сједињеним Државама за скоро деценију. Третмани су смањили стопу смртности од здравствених проблема које данас сматрамо мањим, као што су неке посекотине и повреде. Али антибиотици више не делују тако добро као некада, делом зато што се тако широко користе.

„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, стварајући 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 убију.

Једна стратегија коју лекари користе за поједностављивање лечења бактеријских инфекција назива се ротација антибиотика. Здравствени радници временом наизменично користе различите антибиотике. Прелазак са једног лека на други даје бактеријама мање времена да развију отпорност на било коју класу антибиотика. Ротација чак може учинити бактерије осетљивијим на друге антибиотике.

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

Коаутор студије, др Џеф Малтас, постдокторски истраживач на Кливлендској клиници, користи компјутерске моделе да би предвидео како отпорност бактерија на један антибиотик ослабљује њихову отпорност на други. Удружио се са др Вивером како би видео да ли модели засновани на подацима могу предвидети обрасце ротације лекова који минимизирају отпорност на антибиотике и максимизирају осетљивост, упркос случајној природи еволуције бактерија.

Др Вивер је водио примену учења појачања на модел ротације лекова, који учи рачунар да учи из својих грешака и успеха како би одредио најбољу стратегију за завршетак задатка. Студија је једна од првих која примењује учење појачања на шеме ротације антибиотика, према речима др Вивер и Малтаса.

Шематска еволуциона симулација и тестирани приступи оптимизацији. Извор: Зборник радова Националне академије наука (2024). DOI: 10.1073/pnas.2303165121

„Учење појачавањем је идеалан приступ јер вам је потребно само да знате колико брзо бактерије расту, што је релативно лако утврдити“, објашњава др Вивер. „Такође постоји простор за људске варијације и грешке. Не морате сваки пут да мерите стопу раста до милисекунде.“

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

Др Вивер објашњава да поред управљања инфекцијом код појединачног пацијента, модел вештачке интелигенције тима може да утиче на то како болнице лече инфекције уопште. Он и његов истраживачки тим такође раде на проширењу свог рада изван бактеријских инфекција на друге смртоносне болести.

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