Mākslīgais intelekts varētu izstrādāt ārstēšanu, lai novērstu "superbugs"
Pēdējā pārskatīšana: 14.06.2024
Visi iLive saturs ir medicīniski pārskatīts vai pārbaudīts, lai nodrošinātu pēc iespējas lielāku faktisko precizitāti.
Mums ir stingras iegādes vadlīnijas un tikai saikne ar cienījamiem mediju portāliem, akadēmiskām pētniecības iestādēm un, ja vien iespējams, medicīniski salīdzinošiem pārskatiem. Ņemiet vērā, ka iekavās ([1], [2] uc) esošie numuri ir klikšķi uz šīm studijām.
Ja uzskatāt, ka kāds no mūsu saturiem ir neprecīzs, novecojis vai citādi apšaubāms, lūdzu, atlasiet to un nospiediet Ctrl + Enter.
Pētnieki Klīvlendas klīnikā ir izstrādājuši mākslīgā intelekta (AI) modeli, kas var noteikt labāko kombināciju un laiku zāļu izrakstīšanai bakteriālas infekcijas ārstēšanai, pamatojoties tikai uz baktēriju augšanas ātrumu noteiktās iedarbības apstākļos. Dr. Džeikoba Skota vadītā komanda un viņa laboratorija Translācijas hematoloģijas un onkoloģijas teorētiskajā nodaļā nesen publicēja savus rezultātus izdevumā Nacionālās Zinātņu akadēmijas raksti.. P>
Antibiotikām tiek uzskatīts, ka paredzamais dzīves ilgums Amerikas Savienotajās Valstīs palielinās par gandrīz desmit gadiem. Ārstēšana samazināja mirstību no veselības problēmām, kuras mēs tagad uzskatām par nelielām, piemēram, dažiem griezumiem un ievainojumiem. Tomēr antibiotikas vairs nedarbojas tik labi kā agrāk, daļēji to plašās lietošanas dēļ.
“Globālās veselības organizācijas piekrīt, ka mēs ieejam laikmetā pēc antibiotikām,” skaidro Dr. Scott. "Ja mēs nemainīsim veidu, kā mēs cīnāmies ar baktērijām, līdz 2050. Gadam vairāk cilvēku mirs no pret antibiotikām rezistentām infekcijām nekā no vēža."
Baktērijas ātri vairojas, radot mutantu pēcnācējus. Pārmērīga antibiotiku lietošana dod baktērijām iespēju attīstīt mutācijas, kas ir izturīgas pret ārstēšanu. Laika gaitā antibiotikas nogalina visas uzņēmīgās baktērijas, atstājot tikai spēcīgākus mutantus, kurus antibiotikas nespēj iznīcināt.
Vienu stratēģiju, ko ārsti izmanto, lai modernizētu bakteriālo infekciju ārstēšanu, sauc par antibiotiku rotāciju. Veselības aprūpes sniedzēji noteiktos laika periodos pārmaiņus lieto dažādas antibiotikas. Pārslēgšanās starp dažādām zālēm dod baktērijām mazāk laika, lai attīstītu rezistenci pret kādu no vienas grupas antibiotikām. Rotācija var pat padarīt baktērijas jutīgākas pret citām antibiotikām.
"Zāļu rotācija ir daudzsološa efektīvai slimību ārstēšanai," saka pētījuma pirmais autors un medicīnas students Deiviss Vīvers, Ph.D. "Problēma ir tāda, ka mēs nezinām labāko veidu, kā to izdarīt. Nav standartu, kādu antibiotiku dot, cik ilgi un kādā secībā.”
Pētījuma līdzautors Dr. Džefs Maltass, pēcdoktorantūras pētnieks Klīvlendas klīnikā, izmanto datormodeļus, lai prognozētu, kā baktēriju rezistence pret vienu antibiotiku padara tās vājākas pret citām. Viņš sadarbojās ar Dr. Weaver, lai izpētītu, vai uz datiem balstīti modeļi var paredzēt zāļu rotācijas modeļus, kas samazina rezistenci pret antibiotikām un palielina jutību pret antibiotikām, neskatoties uz baktēriju evolūcijas nejaušību.
Dr. Vēvers vadīja pastiprināšanas mācīšanās pielietošanu narkotiku rotācijas modelī, kas māca datoram mācīties no savām kļūdām un panākumiem, lai noteiktu labāko stratēģiju uzdevuma izpildei. Saskaņā ar Dr. Weaver un Maltas, šis pētījums ir viens no pirmajiem, kurā tiek izmantota pastiprinoša apmācība antibiotiku rotācijas shēmām.
Shematiska evolūcijas simulācija un pārbaudītas optimizācijas pieejas. Avots: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
"Pastiprināšanas mācīšanās ir ideāla pieeja, jo jums ir jāzina tikai baktēriju augšanas ātrums, ko ir samērā viegli noteikt," skaidro Dr. Vīvers. “Ir arī vieta variācijām un cilvēciskām kļūdām. Nav nepieciešams katru reizi izmērīt augšanas ātrumu līdz milisekundei.”
Pētnieku grupas AI spēja izdomāt visefektīvākos antibiotiku rotācijas plānus, lai ārstētu vairākus E. Coli celmus un novērstu zāļu rezistenci. Pētījums parāda, ka mākslīgais intelekts var atbalstīt sarežģītu lēmumu pieņemšanu, piemēram, antibiotiku ārstēšanas grafiku aprēķināšanu, saka Dr Maltas.
Dr. Weaver skaidro, ka papildus atsevišķa pacienta infekcijas pārvaldībai komandas AI modelis var informēt par to, kā slimnīcas ārstē infekcijas kopumā. Viņš un viņa pētnieku grupa arī strādā, lai paplašinātu savu darbu, ne tikai bakteriālas infekcijas, bet arī citas nāvējošas slimības.
"Šī ideja neaprobežojas tikai ar baktērijām, bet to var izmantot jebko, kas var attīstīt rezistenci pret ārstēšanu," viņš saka. "Mēs uzskatām, ka nākotnē šos AI veidus varētu izmantot, lai pārvaldītu pret ārstēšanu rezistentu vēzi."