Umělá inteligence by mohla vyvinout léčbu, která by zabránila vzniku "superbakterií".

Výzkumníci z Clevelandské kliniky vyvinuli model umělé inteligence (AI), který dokáže určit nejlepší kombinaci a načasování léků k léčbě bakteriální infekce výhradně na základě rychlosti růstu bakterií za určitých podmínek. Tým vedený Dr. Jacobem Scottem a jeho laboratoří v teoretické divizi translační hematologie a onkologie nedávno publikoval svá zjištění v časopise Proceedings of the National Academy of Sciences.

Antibiotika jsou považována za přínos pro prodloužení průměrné délky života ve Spojených státech o téměř deset let. Tato léčba snížila úmrtnost na zdravotní problémy, které dnes považujeme za drobné, jako jsou některé řezné rány a zranění. Antibiotika však již nefungují tak dobře jako kdysi, částečně proto, že jsou tak široce používána.

„Globální zdravotnické organizace se shodují, že vstupujeme do postantibiotické éry,“ vysvětluje Dr. Scott. „Pokud nezměníme způsob, jakým bojujeme s bakteriemi, do roku 2050 zemře na infekce rezistentní na antibiotika více lidí než na rakovinu.“

Bakterie se rychle množí a produkují mutantní potomstvo. Nadměrné užívání antibiotik dává bakteriím možnost vyvinout mutace, které jsou rezistentní na léčbu. Postupem času antibiotika zabijí všechny citlivé bakterie a zůstanou jen silnější mutanty, které antibiotika zabít nemohou.

Jednou ze strategií, kterou lékaři používají k zefektivnění léčby bakteriálních infekcí, je rotace antibiotik. Zdravotničtí pracovníci v průběhu času střídají různá antibiotika. Přechod mezi různými léky dává bakteriím méně času na rozvoj rezistence vůči jedné třídě antibiotik. Rotace může dokonce bakterie učinit náchylnějšími k jiným antibiotikům.

„Rotace léků se jeví jako slibná v účinné léčbě nemocí,“ říká první autor studie a student medicíny Davis Weaver, PhD. „Problém je v tom, že nevíme, jak to nejlépe udělat. Neexistují žádné standardy pro to, jaké antibiotikum podávat, jak dlouho nebo v jakém pořadí.“

Spoluautor studie Dr. Jeff Maltas, postdoktorandský výzkumník na Clevelandské klinice, používá počítačové modely k předpovědi, jak rezistence bakterií vůči jednomu antibiotiku oslabuje jejich odolnost vůči jinému. Spojil se s Dr. Weaverem, aby zjistil, zda modely založené na datech mohou předpovídat vzorce rotace léků, které minimalizují rezistenci vůči antibiotikům a maximalizují náchylnost, a to navzdory náhodné povaze bakteriální evoluce.

Dr. Weaver vedl aplikaci posilovacího učení v modelu rotace léků, který učí počítač učit se ze svých chyb a úspěchů, aby určil nejlepší strategii pro dokončení úkolu. Podle Dr. Weavera a Dr. Maltase je tato studie jednou z prvních, která aplikuje posilovací učení na schémata rotace antibiotik.

Schematická evoluční simulace a testované optimalizační přístupy. Zdroj: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121

„Potvrzovací učení je ideální přístup, protože stačí vědět pouze, jak rychle bakterie rostou, což se dá relativně snadno určit,“ vysvětluje Dr. Weaver. „Existuje také prostor pro lidské variace a chyby. Nemusíte pokaždé měřit rychlost růstu s přesností na milisekundu.“

Umělá inteligence výzkumného týmu dokázala zjistit nejúčinnější plány rotace antibiotik pro léčbu více kmenů E. coli a prevenci rezistence na léky. Studie ukazuje, že umělá inteligence může podporovat komplexní rozhodování, jako je například výpočet léčebných schémat antibiotik, říká Dr. Maltas.

Dr. Weaver vysvětluje, že kromě zvládání infekce u jednotlivých pacientů by model umělé inteligence týmu mohl informovat o tom, jak nemocnice celkově léčí infekce. On a jeho výzkumný tým také pracují na rozšíření své práce nad rámec bakteriálních infekcí na další smrtelná onemocnění.

„Tato myšlenka se neomezuje pouze na bakterie, lze ji aplikovat na jakýkoli objekt, který si může vyvinout rezistenci vůči léčbě,“ říká. „Věříme, že by se tyto typy umělé inteligence mohly v budoucnu využít k léčbě rakoviny rezistentní na léčbu.“