Umelá inteligencia by mohla vyvinúť liečbu na prevenciu "superbaktérií

Výskumníci z Clevelandskej kliniky vyvinuli model umelej inteligencie (AI), ktorý dokáže určiť najlepšiu kombináciu a načasovanie liekov na liečbu bakteriálnej infekcie výlučne na základe rýchlosti rastu baktérií za určitých podmienok. Tím vedený Dr. Jacobom Scottom a jeho laboratóriom v teoretickom oddelení translačnej hematológie a onkológie nedávno publikoval svoje zistenia v časopise Proceedings of the National Academy of Sciences.

Antibiotiká sa pripisujú predĺženiu priemernej dĺžky života v Spojených štátoch o takmer desaťročie. Liečba znížila úmrtnosť na zdravotné problémy, ktoré dnes považujeme za menej závažné, ako sú niektoré porezania a poranenia. Antibiotiká však už nefungujú tak dobre ako kedysi, čiastočne preto, že sa tak hojne používajú.

„Globálne zdravotnícke organizácie sa zhodujú, že vstupujeme do post-antibiotickej éry,“ vysvetľuje Dr. Scott. „Ak nezmeníme spôsob, akým bojujeme proti baktériám, do roku 2050 zomrie na infekcie rezistentné voči antibiotikám viac ľudí ako na rakovinu.“

Baktérie sa rýchlo množia a produkujú mutantné potomstvo. Nadmerné užívanie antibiotík dáva baktériám možnosť vyvinúť mutácie, ktoré sú rezistentné na liečbu. Postupom času antibiotiká zabijú všetky citlivé baktérie a zostanú len silnejšie mutanty, ktoré antibiotiká nedokážu zabiť.

Jedna stratégia, ktorú lekári používajú na zefektívnenie liečby bakteriálnych infekcií, sa nazýva rotácia antibiotík. Zdravotnícki pracovníci časom striedajú rôzne antibiotiká. Prepínanie medzi rôznymi liekmi dáva baktériám kratší čas na rozvoj rezistencie voči jednej skupine antibiotík. Rotácia môže dokonca spôsobiť, že baktérie budú náchylnejšie na iné antibiotiká.

„Rotácia liekov sa ukazuje ako sľubná v účinnej liečbe chorôb,“ hovorí prvý autor štúdie a študent medicíny Davis Weaver, PhD. „Problém je, že nevieme, ako to najlepšie urobiť. Neexistujú žiadne štandardy pre to, ktoré antibiotikum podávať, ako dlho alebo v akom poradí.“

Spoluautor štúdie Dr. Jeff Maltas, postdoktorandský výskumník na Clevelandskej klinike, používa počítačové modely na predpovedanie toho, ako odolnosť baktérií voči jednému antibiotiku oslabuje ich voči inému. Spojil sa s Dr. Weaverom, aby zistil, či modely založené na dátach dokážu predpovedať vzorce rotácie liekov, ktoré minimalizujú rezistenciu voči antibiotikám a maximalizujú náchylnosť, a to aj napriek náhodnej povahe bakteriálnej evolúcie.

Dr. Weaver viedol aplikáciu posilňovacieho učenia v modeli rotácie liekov, ktorý učí počítač učiť sa zo svojich chýb a úspechov, aby určil najlepšiu stratégiu na dokončenie úlohy. Podľa Dr. Weavera a Dr. Maltasa je táto štúdia jednou z prvých, ktorá aplikuje posilňovacie učenie na schémy rotácie antibiotík.

Schematická evolučná simulácia a testované optimalizačné prístupy. Zdroj: Zborník Národnej akadémie vied (2024). DOI: 10.1073/pnas.2303165121

„Posilňovacie učenie je ideálny prístup, pretože potrebujete vedieť iba to, ako rýchlo baktérie rastú, čo sa dá pomerne ľahko určiť,“ vysvetľuje Dr. Weaver. „Existuje tiež priestor pre ľudské variácie a chyby. Nemusíte zakaždým merať rýchlosť rastu s presnosťou na milisekundu.“

Umelá inteligencia výskumného tímu dokázala zistiť najefektívnejšie plány rotácie antibiotík na liečbu viacerých kmeňov E. coli a prevenciu rezistencie na lieky. Štúdia ukazuje, že umelá inteligencia dokáže podporiť komplexné rozhodovanie, ako je napríklad výpočet liečebných schém antibiotík, hovorí Dr. Maltas.

Dr. Weaver vysvetľuje, že okrem zvládania infekcie u individuálneho pacienta by model umelej inteligencie tímu mohol informovať o tom, ako nemocnice liečia infekcie celkovo. On a jeho výskumný tím tiež pracujú na rozšírení svojej práce nad rámec bakteriálnych infekcií na iné smrteľné choroby.

„Táto myšlienka sa neobmedzuje len na baktérie, možno ju aplikovať na akýkoľvek objekt, ktorý si môže vyvinúť rezistenciu voči liečbe,“ hovorí. „Veríme, že v budúcnosti by sa tieto typy umelej inteligencie mohli použiť na zvládnutie rakoviny rezistentnej na liečbu.“