Umělá inteligence by mohla vyvinout léčbu, která zabrání „superbugům“
Naposledy posuzováno: 14.06.2024
Veškerý obsah iLive je lékařsky zkontrolován nebo zkontrolován, aby byla zajištěna co největší věcná přesnost.
Máme přísné pokyny pro získávání zdrojů a pouze odkaz na seriózní mediální stránky, akademické výzkumné instituce a, kdykoli je to možné, i klinicky ověřené studie. Všimněte si, že čísla v závorkách ([1], [2] atd.) Jsou odkazy na tyto studie, na které lze kliknout.
Pokud máte pocit, že některý z našich obsahů je nepřesný, neaktuální nebo jinak sporný, vyberte jej a stiskněte klávesu Ctrl + Enter.
Výzkumníci z Cleveland Clinic vyvinuli model umělé inteligence (AI), který dokáže určit nejlepší kombinaci a načasování pro předepisování léků k léčbě bakteriální infekce pouze na základě rychlosti růstu bakterií při určitých expozicích. Tým vedený Dr. Jacobem Scottem a jeho laboratoří v teoretickém oddělení translační hematologie a onkologie nedávno zveřejnil své výsledky v Proceedings of the National Academy of Sciences.. P>
Antibiotikám se připisuje zvýšení průměrné délky života ve Spojených státech o téměř deset let. Léčba snížila úmrtnost na zdravotní problémy, které nyní považujeme za drobné, jako jsou některá řezná poranění a zranění. Antibiotika však již nefungují tak dobře jako kdysi, částečně kvůli jejich rozšířenému používání.
„Globální zdravotnické organizace se shodují, že vstupujeme do postantibiotické éry,“ vysvětluje Dr. Scott. "Pokud nezměníme způsob, jakým bojujeme s bakteriemi, do roku 2050 zemře více lidí na infekce odolné vůči antibiotikům než na rakovinu."
Bakterie se rychle množí a produkují mutantní potomky. Nadužívání antibiotik dává bakteriím příležitost vyvinout mutace, které jsou odolné vůči léčbě. V průběhu času antibiotika zabíjejí všechny citlivé bakterie a zbývají pouze silnější mutanty, které antibiotika nemohou zničit.
Jedna strategie, kterou lékaři používají k modernizaci léčby bakteriálních infekcí, se nazývá rotace antibiotik. Poskytovatelé zdravotní péče střídají různá antibiotika po určitou dobu. Přepínání mezi různými léky dává bakteriím méně času na rozvoj rezistence na kteroukoli třídu antibiotik. Rotace může dokonce způsobit, že bakterie budou náchylnější k jiným antibiotikům.
„Střídání léků je slibné v účinné léčbě nemocí,“ říká první autor studie a student medicíny Davis Weaver, Ph.D. "Problém je v tom, že neznáme nejlepší způsob, jak to udělat." Neexistují žádné normy pro to, jaké antibiotikum podávat, jak dlouho a v jakém pořadí.“
Spoluautor studie Dr. Jeff Maltas, postdoktorandský výzkumný pracovník na klinice v Clevelandu, používá počítačové modely k předpovědi, jak je odolnost bakterií vůči jednomu antibiotiku oslabena vůči jinému. Spojil se s Dr. Weaverem, aby prozkoumal, zda modely založené na datech mohou předpovídat vzorce rotace léků, které minimalizují rezistenci na antibiotika a maximalizují citlivost na antibiotika, a to navzdory náhodné povaze bakteriální evoluce.
Dr. Weaver vedl aplikaci posilovacího učení na model rotace léků, který učí počítač učit se ze svých chyb a úspěchů, aby určil nejlepší strategii k dokončení úkolu. Podle Dr. Weaver a Maltas, tato studie je jednou z prvních, která aplikovala učení posilování na režimy střídání antibiotik.
Schematická evoluční simulace a testované optimalizační přístupy. Zdroj: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
„Posílené učení je ideální přístup, protože potřebujete pouze vědět, jak rychle bakterie rostou, což je poměrně snadné určit,“ vysvětluje Dr. Weaver. „Je zde také prostor pro variace a lidské chyby. Není potřeba pokaždé měřit rychlost růstu na milisekundu.“
Umělá inteligence výzkumného týmu dokázala vymyslet nejúčinnější plány rotace antibiotik pro léčbu více kmenů E. Coli a prevenci lékové rezistence. Studie ukazuje, že umělá inteligence může podporovat komplexní rozhodování, jako je například výpočet schémat antibiotické léčby, říká Dr. Maltas.
Dr. Weaver vysvětluje, že kromě zvládání infekce jednotlivého pacienta může týmový model AI informovat o tom, jak nemocnice léčí infekce jako celek. On a jeho výzkumný tým také pracují na rozšíření své práce nad rámec bakteriálních infekcí na další smrtelné nemoci.
„Tato myšlenka není omezena na bakterie, ale lze ji aplikovat na cokoli, co může vyvinout rezistenci vůči léčbě,“ říká. „Věříme, že v budoucnu by tyto typy umělé inteligence mohly být použity k léčbě rakoviny rezistentní na léčbu.“