Istraživači Klivlendske klinike razvili su model veštačke inteligencije (AI) koji može da odredi najbolju kombinaciju i vremensku liniju za upotrebu prilikom propisivanja lekova za lečenje bakterijske infekcije, samo na osnovu toga koliko brzo bakterije rastu s obzirom na određene perturbacije. Tim koji je predvodio dr Džejkob Skot i njegova laboratorija u Odeljenju za teoriju translacione hematologije i onkologije, nedavno su objavili svoje nalaze u časopisu PNAS.
Antibioticima se pripisuje povećanje prosečnog životnog veka u SAD za skoro deset godina. Lečenje je smanjilo stopu smrtnosti zbog zdravstvenih problema koje sada smatramo manjim – poput nekih posekotina i povreda. Ali antibiotici ne rade tako dobro kao nekada, delom zbog široke upotrebe.
„Zdravstvene agencije širom sveta slažu se da ulazimo u post-antibiotsku eru“, objašnjava dr Skot. „Ako ne promenimo način na koji tragamo za bakterijama, više ljudi će umreti od infekcija otpornih na antibiotike nego od raka do 2050. godine.
Bakterije se brzo razmnožavaju, proizvodeći mutantno potomstvo. Prekomerna upotreba antibiotika daje bakterijama priliku da uvežbaju pravljenje mutacija koje se opiru lečenju. Vremenom, antibiotici ubijaju sve osetljive bakterije, ostavljajući za sobom samo jače mutante koje antibiotici ne mogu da ubiju.
Jedna strategija koju lekari koriste za modernizaciju načina na koji lečimo bakterijske infekcije je ciklus antibiotika. Pružaoci zdravstvenih usluga rotiraju između različitih antibiotika u određenim vremenskim periodima. Promena između različitih lekova daje bakterijama manje vremena da razviju otpornost na bilo koju klasu antibiotika. Vožnja bicikla može čak učiniti bakterije podložnijim drugim antibioticima.
„Biciklizam sa lekovima pokazuje mnogo obećanja u efikasnom lečenju bolesti“, kaže prvi autor studije i student medicine Dejvis Viver, dr. „Problem je u tome što ne znamo najbolji način da to uradimo. Ništa nije standardizovano između bolnica za koji antibiotik davati, koliko dugo i kojim redosledom.“
Koautor studije Džef Maltas, doktor nauka, postdoktorski saradnik na Klivlendskoj klinici, koristi kompjuterske modele da predvidi kako će otpornost bakterije na jedan antibiotik učiniti da bude slabija na drugi. Udružio se sa dr Viverom da vidi da li modeli zasnovani na podacima mogu predvideti režime cikliranja lekova koji minimiziraju rezistenciju na antibiotike i maksimiziraju osetljivost na antibiotike, uprkos nasumičnoj prirodi načina na koji se bakterije razvijaju.
Dr. Viver je predvodio optužbu da primeni učenje sa pojačanjem na model ciklusa droge, koji uči računar da uči iz svojih grešaka i uspeha kako bi odredio najbolju strategiju za završetak zadatka. Ova studija je među prvima koja je primenila učenje pojačanja na biciklističke pukove sa antibiotikom, dr. Veaver i Maltas kažu.
„Učenje sa pojačanjem je idealan pristup jer samo treba da znate koliko brzo bakterije rastu, što je relativno lako odrediti“, objašnjava dr Viver. „Takođe ima mesta za ljudske varijacije i greške. Ne morate svaki put savršeno meriti stope rasta do tačne milisekunde.“
AI istraživačkog tima bio je u stanju da otkrije najefikasnije planove ciklusa antibiotika za lečenje više sojeva E. coli i sprečavanje rezistencije na lekove. Studija pokazuje da veštačka inteligencija može da podrži složeno donošenje odluka poput izračunavanja rasporeda lečenja antibiotikom, kaže dr Maltas.
Dr Viver objašnjava da pored upravljanja infekcijom pojedinačnog pacijenta, timski AI model može da informiše kako bolnice tretiraju infekcije širom sveta. On i njegov istraživački tim takođe rade na proširenju svog rada izvan bakterijskih infekcija na druge smrtonosne bolesti.
„Ova ideja nije ograničena na bakterije, već se može primeniti na sve što može da razvije otpornost na lečenje“, kaže on. „U budućnosti verujemo da se ove vrste veštačke inteligencije mogu koristiti i za upravljanje kancerom otpornim na lekove.“
