Kunstig intelligens kunne udvikle behandlinger for at forhindre 'superbugs'
Sidst revideret: 14.06.2024
Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.
Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.
Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.
Forskere ved Cleveland Clinic har udviklet en kunstig intelligens (AI) model, der kan bestemme den bedste kombination og timing for at ordinere lægemidler til behandling af en bakteriel infektion udelukkende baseret på hastigheden af bakteriel vækst under visse eksponeringer. Et hold ledet af Dr. Jacob Scott og hans laboratorium i Theoretical Division of Translational Hematology and Oncology offentliggjorde for nylig deres resultater i Proceedings of the National Academy of Sciences.. P>
Antibiotika er krediteret med at øge den forventede levetid i USA med næsten et årti. Behandlingen reducerede dødsraten fra helbredsproblemer, som vi nu betragter som mindre, såsom nogle snitsår og skader. Antibiotika virker dog ikke længere så godt, som de gjorde engang, blandt andet på grund af deres udbredte brug.
"Globale sundhedsorganisationer er enige om, at vi går ind i en post-antibiotika-æra," forklarer Dr. Scott. "Hvis vi ikke ændrer måden, vi bekæmper bakterier på, vil flere mennesker i 2050 dø af antibiotika-resistente infektioner end af kræft."
Bakterier formerer sig hurtigt og producerer mutantafkom. Overforbrug af antibiotika giver bakterier mulighed for at udvikle mutationer, der er resistente over for behandling. Over tid dræber antibiotika alle modtagelige bakterier og efterlader kun stærkere mutanter, som antibiotika ikke kan ødelægge.
En strategi, læger bruger til at modernisere behandlingen af bakterielle infektioner, kaldes antibiotikarotation. Sundhedsudbydere veksler mellem forskellige antibiotika over bestemte tidsrum. Skift mellem forskellige lægemidler giver bakterier mindre tid til at udvikle resistens over for en hvilken som helst type antibiotika. Rotation kan endda gøre bakterier mere modtagelige for andre antibiotika.
"Drug rotation viser løfte i effektiv behandling af sygdom," siger undersøgelsens første forfatter og medicinstuderende Davis Weaver, Ph.D. "Problemet er, at vi ikke kender den bedste måde at gøre det på. Der er ingen standarder for, hvilket antibiotika der skal gives, hvor længe og i hvilken rækkefølge.”
Medforfatter af undersøgelsen Dr. Jeff Maltas, en postdoc-forsker ved Cleveland Clinic, bruger computermodeller til at forudsige, hvordan bakteriers resistens over for et antibiotikum gør dem svagere over for et andet. Han slog sig sammen med Dr. Weaver for at undersøge, om datadrevne modeller kunne forudsige lægemiddelrotationsmønstre, der minimerer antibiotikaresistens og maksimerer antibiotikamodtagelighed, på trods af den tilfældige natur af bakteriel udvikling.
Dr. Weaver førte anvendelsen af forstærkningslæring til lægemiddelrotationsmodellen, som lærer en computer at lære af sine fejl og succeser for at bestemme den bedste strategi til at fuldføre en opgave. Ifølge Drs. Weaver og Maltas, denne undersøgelse er en af de første til at anvende forstærkningslæring til antibiotikarotationsregimer.
Skematisk evolutionær simulering og testede optimeringstilgange. Kilde: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
"Forstærkningslæring er en ideel tilgang, fordi du kun behøver at vide, hvor hurtigt bakterierne vokser, hvilket er relativt nemt at bestemme," forklarer Dr. Weaver. ”Der er også plads til variation og menneskelige fejl. Der er ingen grund til at måle vækstraten ned til millisekund hver gang.”
Forskerholdets AI var i stand til at finde ud af de mest effektive antibiotikarotationsplaner til at behandle flere stammer af E. Coli og forhindre lægemiddelresistens. Undersøgelsen viser, at kunstig intelligens kan understøtte kompleks beslutningstagning, såsom beregning af antibiotikabehandlingsplaner, siger Dr. Maltas.
Dr. Weaver forklarer, at ud over at håndtere en individuel patients infektion, kan teamets AI-model informere, hvordan hospitaler behandler infektioner som helhed. Han og hans forskerhold arbejder også på at udvide deres arbejde ud over bakterielle infektioner til andre dødelige sygdomme.
"Denne idé er ikke begrænset til bakterier, men kan anvendes på alt, der kan udvikle resistens mod behandling," siger han. "I fremtiden tror vi, at disse typer AI kan bruges til at håndtere behandlingsresistente kræftformer."