Według nowych badań, sztuczna inteligencja może być wykorzystywana do zmniejszenia ryzyka nabycia oporności bakterii na antybiotyki nawet o połowę. Odpowiedni dobór leków tego typu może sprawić, że uda się odsunąć nieco ten moment w czasie.
Antybiotyki są niezbędne do leczenia infekcji bakteryjnych. Są przez wielu uważane za prawdopodobnie najważniejsze osiągnięcie ery nowożytnej i ratują życie wielu miliardów ludzi na całym świecie. Niestety – im więcej się ich używa, tym mniejsza jest ich skuteczność. Z powodu ich nadużywania pojawia się bowiem coraz więcej bakterii opornych na antybiotyki. Dlatego wiele z tych leków z biegiem czasu staje się bezużytecznych.
Istnieje poważne ryzyko, że w niedalekiej przyszłości ludzie znowu zaczną umierać na choroby, które w tej chwili są całkowicie wyleczalne. Dlatego też nie dziwi fakt, że coraz więcej uwagi poświęca się badaniom na ten temat. Izraelscy naukowcy z Technion i Maccabi KSM Research and Innovation Center opublikowali w czasopiśmie Science wyniki swoich odkryć. Ich zdaniem można wykorzystać sztuczną inteligencję do zmniejszenia ryzyka oporności bakterii na antybiotyki o 50 procent.
Czy sztuczna inteligencja uratuje dla nas antybiotyki?
Z biegiem czasu, gdy bakterie namnażają się i ewoluują, rozwijają mutacje, ich oporność na antybiotyki stale się nasila. To oznacza to, że choroby, które normalnie są uleczalne, stają się nieuleczalne. Naukowcy izraelscy odkryli jednak sposób na spersonalizowanie recept na antybiotyki w oparciu o historię choroby każdego pacjenta. Zbadali oni oporność na antybiotyki u pacjentów z infekcjami ran i dróg moczowych. Odkryli, że w większości przypadków oporność powstała w wyniku ponownej infekcji przez bakterie oporne na antybiotyki, które były już w organizmie pacjenta.
W związku z tym naukowcy opracowali algorytm uczenia maszynowego, aby przewidzieć ryzyko ponownego zakażenia opornymi bakteriami na podstawie historii choroby konkretnego pacjenta. Warto zauważyć, że sztuczna inteligencja to prawdopodobnie największa rewolucja, która wpłynie na ochronę zdrowia w najbliższych latach. Wielokrotnie pisaliśmy na naszym blogu na temat AI, która już teraz ratuje życie – na przykład w tekście „Sztuczna inteligencja pomoże w diagnostyce chorób płuc”.
W tej chwili leczenie infekcji bakteryjnych polega na wyborze antybiotyku, który odpowiada wrażliwości patogenu. Prawie w ogóle nie poświęca się uwagi ryzyku, że nawet leczenie dopasowane pod względem wrażliwości może zakończyć się niepowodzeniem – z powodu pojawiającej się oporności w odpowiedzi na leczenie. Profesor Roy Kishon, jeden z autorów badania, powiedział: „chcieliśmy zrozumieć, w jaki sposób pojawia się oporność na antybiotyki podczas leczenia, i znaleźć sposoby na lepsze dostosowanie leczenia antybiotykami dla każdego pacjenta. Tak, aby nie tylko prawidłowo dopasować obecną podatność pacjenta na infekcje, ale także zminimalizować ryzyko nawrotu infekcji i uzyskać oporność na leczenie”.
Izraelscy naukowcy zsekwencjonowali cały genom 1113 izolatów bakteryjnych zarówno przed, jak i po leczeniu. Połączyli to z analizą uczenia maszynowego 140 349 przypadków infekcji dróg moczowych i 7 365 infekcji ran. Dzięki temu procesowi badacze odkryli, że pojawienie się oporności wywołane leczeniem można przewidzieć i zminimalizować na poziomie indywidualnego pacjenta.
Sztuczna inteligencja dobierze nam leki na podstawie historii naszych chorób
Bakterie mogą ewoluować poprzez losowe nabywanie mutacji, które czynią je opornymi. To właśnie losowość utrudnia przewidywanie i uniknięcie tego procesu. Naukowcy odkryli jednak, że w przypadku większości infekcji u przeważającej części pacjentów oporność nie została nabyta przez przypadkowe mutacje. Do tego to głównie własne bakterie jelitowe pacjenta (mikrobiom) są odpowiedzialne za powtórne zakażenia. Izraelscy badacze zaproponowali więc dopasowanie antybiotyku nie tylko do podatności bakterii wywołujących obecną infekcję pacjenta, ale także do bakterii w ich mikrobiomie, które mogłyby je zastąpić.
Doktor Mathew Stracy, główny autor badania, powiedział: „odkryliśmy, że wrażliwość pacjenta na antybiotyki w poprzednich infekcjach może być wykorzystana do przewidywania ryzyka powrotu opornej infekcji po leczeniu antybiotykami. Wykorzystanie tych danych, wraz z danymi demograficznymi pacjenta, takimi jak wiek i płeć, pozwoliło nam na opracowanie algorytmu, który potrafi to z dużym prawdopodobieństwem przewidzieć”.
Wzrastająca oporność bakterii na antybiotyki to wyzwanie, z którym naukowcy próbują się mierzyć na wielu polach. O innym ciekawym pomyśle na rozwiązanie tego problemu pisaliśmy na naszym blogu w artykule „Świat w rozmiarze nano, czyli nanotechnologia bliżej niż myślisz”.
Źródła: The Jerusalem Post i Nauka w Polsce PAP