Новые публикации
Искусственный интеллект может разрабатывать лечение для предотвращения "супербактерий"
Последняя редакция: 14.06.2024
Весь контент Web2Health проверяется медицинскими экспертами, чтобы обеспечить максимально возможную точность и соответствие фактам.
У нас есть строгие правила по выбору источников информации и мы ссылаемся только на авторитетные сайты, академические исследовательские институты и, по возможности, доказанные медицинские исследования. Обратите внимание, что цифры в скобках ([1], [2] и т. д.) являются интерактивными ссылками на такие исследования.
Если вы считаете, что какой-либо из наших материалов является неточным, устаревшим или иным образом сомнительным, выберите его и нажмите Ctrl + Enter.
Исследователи из Cleveland Clinic разработали модель искусственного интеллекта (ИИ), которая может определять лучшую комбинацию и временные рамки для назначения лекарств для лечения бактериальной инфекции, основываясь исключительно на скорости роста бактерий при определенных воздействиях. Команда под руководством доктора Джейкоба Скотта и его лаборатории в Теоретическом отделении трансляционной гематологии и онкологии недавно опубликовала свои результаты в журнале Proceedings of the National Academy of Sciences.
Антибиотики приписывают увеличению средней продолжительности жизни в США почти на десять лет. Лечение снизило уровень смертности от проблем со здоровьем, которые мы сейчас считаем незначительными — например, некоторые порезы и травмы. Однако антибиотики больше не работают так хорошо, как раньше, отчасти из-за их широкого использования.
«Мировые здравоохранительные организации согласны с тем, что мы вступаем в постантибиотическую эру», — объясняет доктор Скотт. «Если мы не изменим подход к борьбе с бактериями, к 2050 году от инфекций, устойчивых к антибиотикам, умрет больше людей, чем от рака».
Бактерии быстро размножаются, производя мутантных потомков. Чрезмерное использование антибиотиков дает бактериям возможность вырабатывать мутации, устойчивые к лечению. Со временем антибиотики убивают все восприимчивые бактерии, оставляя только более сильные мутанты, которые антибиотики не могут уничтожить.
Одна из стратегий, которую врачи используют для модернизации лечения бактериальных инфекций, называется антибиотиковой ротацией. Медицинские работники чередуют различные антибиотики в течение определенных периодов времени. Переход между разными препаратами дает бактериям меньше времени для выработки устойчивости к какому-либо одному классу антибиотиков. Ротация может даже сделать бактерии более восприимчивыми к другим антибиотикам.
«Ротация лекарств показывает многообещающие результаты в эффективном лечении заболеваний», — говорит первый автор исследования и студент-медик Дэвис Уивер, доктор философии. «Проблема в том, что мы не знаем, как делать это лучше всего. Нет стандартов для того, какой антибиотик давать, как долго и в каком порядке».
Соавтор исследования, доктор Джефф Мальтас, постдокторальный исследователь в Cleveland Clinic, использует компьютерные модели для предсказания того, как устойчивость бактерий к одному антибиотику делает их слабее к другому. Он объединился с доктором Уивером, чтобы выяснить, могут ли модели, основанные на данных, предсказывать схемы ротации лекарств, которые минимизируют устойчивость к антибиотикам и максимизируют их восприимчивость, несмотря на случайный характер эволюции бактерий.
Доктор Уивер возглавил применение обучения с подкреплением к модели ротации лекарств, что учит компьютер учиться на своих ошибках и успехах, чтобы определить лучшую стратегию для выполнения задачи. По словам докторов Уивера и Мальтаса, это исследование является одним из первых, применяющих обучение с подкреплением к схемам ротации антибиотиков.
Схематическая эволюционная симуляция и протестированные подходы к оптимизации. Источник: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
«Обучение с подкреплением — идеальный подход, потому что нужно только знать, как быстро растут бактерии, что относительно легко определить», — объясняет доктор Уивер. «Также есть место для вариаций и ошибок со стороны человека. Не нужно измерять скорость роста до миллисекунды каждый раз».
ИИ исследовательской команды смог выяснить наиболее эффективные планы ротации антибиотиков для лечения нескольких штаммов E. coli и предотвращения устойчивости к препаратам. Исследование показывает, что ИИ может поддерживать сложное принятие решений, такое как расчет графиков лечения антибиотиками, говорит доктор Мальтас.
Доктор Уивер объясняет, что помимо управления инфекцией у индивидуального пациента, модель ИИ команды может информировать, как больницы лечат инфекции в целом. Он и его исследовательская команда также работают над расширением своей работы за пределы бактериальных инфекций на другие смертельные заболевания.
«Эта идея не ограничивается бактериями, ее можно применять к любому объекту, который может вырабатывать устойчивость к лечению», — говорит он. «В будущем мы считаем, что такие типы ИИ могут использоваться для управления устойчивыми к лечению раками».