Ang artificial intelligence ay maaaring bumuo ng mga paggamot upang maiwasan ang 'superbacteria'

Ang mga mananaliksik sa Cleveland Clinic ay nakabuo ng isang modelo ng artificial intelligence (AI) na maaaring matukoy ang pinakamahusay na kumbinasyon at timing ng mga gamot upang gamutin ang isang bacterial infection na nakabatay lamang sa rate ng paglago ng bacteria sa ilalim ng ilang partikular na kundisyon. Ang koponan, na pinamumunuan ni Dr. Jacob Scott at ang kanyang lab sa Theoretical Division of Translational Hematology and Oncology, ay naglathala kamakailan ng kanilang mga natuklasan sa journal na Proceedings ng National Academy of Sciences.

Ang mga antibiotic ay kinikilala sa pagtaas ng average na pag-asa sa buhay sa Estados Unidos ng halos isang dekada. Ang mga paggamot ay nagbawas ng mga rate ng pagkamatay mula sa mga problema sa kalusugan na itinuturing na nating menor de edad, tulad ng ilang mga hiwa at pinsala. Ngunit ang mga antibiotics ay hindi na gumagana tulad ng dati, sa bahagi dahil ito ay malawakang ginagamit.

"Sumasang-ayon ang mga pandaigdigang organisasyong pangkalusugan na tayo ay pumapasok sa isang post-antibiotic na panahon," paliwanag ni Dr Scott. "Kung hindi natin babaguhin ang paraan ng pakikipaglaban natin sa bakterya, sa 2050 mas maraming tao ang mamamatay mula sa mga impeksiyon na lumalaban sa antibiotic kaysa sa kanser."

Ang bakterya ay mabilis na dumami, na gumagawa ng mutant na mga supling. Ang labis na paggamit ng mga antibiotic ay nagbibigay ng pagkakataon sa bakterya na bumuo ng mga mutasyon na lumalaban sa paggamot. Sa paglipas ng panahon, pinapatay ng mga antibiotic ang lahat ng madaling kapitan na bakterya, na nag-iiwan lamang ng mas malakas na mutant na hindi maaaring patayin ng mga antibiotic.

Ang isang diskarte na ginagamit ng mga doktor upang i-streamline ang mga paggamot para sa mga impeksyong bacterial ay tinatawag na antibiotic rotation. Ang mga manggagawa sa pangangalagang pangkalusugan ay nagpapalit-palit ng iba't ibang antibiotic sa paglipas ng panahon. Ang paglipat sa pagitan ng iba't ibang mga gamot ay nagbibigay sa bakterya ng mas kaunting oras upang bumuo ng resistensya sa anumang isang klase ng antibiotics. Ang pag-ikot ay maaaring maging mas madaling kapitan ng bakterya sa iba pang mga antibiotic.

"Ang pag-ikot ng droga ay nagpapakita ng pangako sa epektibong paggamot sa mga sakit," sabi ng unang may-akda ng pag-aaral at medikal na estudyante na si Davis Weaver, PhD. "Ang problema ay, hindi namin alam ang pinakamahusay na paraan upang gawin ito. Walang mga pamantayan kung aling antibiotic ang ibibigay, kung gaano katagal, o sa anong pagkakasunud-sunod."

Ang co-author ng pag-aaral na si Dr. Jeff Maltas, isang postdoctoral researcher sa Cleveland Clinic, ay gumagamit ng mga modelo ng computer upang mahulaan kung paano ang paglaban ng bakterya sa isang antibiotic ay nagpapahina sa kanila sa isa pa. Nakipagtulungan siya kay Dr. Weaver upang makita kung ang mga modelong batay sa data ay maaaring mahulaan ang mga pattern ng pag-ikot ng gamot na nagpapaliit ng resistensya sa antibiotic at nagpapalaki ng pagkamaramdamin, sa kabila ng random na kalikasan ng bacterial evolution.

Pinangunahan ni Dr. Weaver ang aplikasyon ng reinforcement learning sa modelo ng pag-ikot ng gamot, na nagtuturo sa isang computer na matuto mula sa mga pagkakamali at tagumpay nito upang matukoy ang pinakamahusay na diskarte para sa pagkumpleto ng isang gawain. Ang pag-aaral ay isa sa mga unang nag-aplay ng reinforcement learning sa mga antibiotic rotation scheme, ayon kay Dr. Weaver at Maltas.

Schematic evolutionary simulation at nasubok na mga diskarte sa pag-optimize. Pinagmulan: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121

"Ang pag-aaral ng reinforcement ay isang perpektong diskarte dahil kailangan mo lamang malaman kung gaano kabilis ang paglaki ng bakterya, na medyo madaling matukoy," paliwanag ni Dr. Weaver. "Mayroon ding puwang para sa pagkakaiba-iba at error ng tao. Hindi mo kailangang sukatin ang rate ng paglago pababa sa millisecond sa bawat oras."

Natukoy ng AI ng research team ang pinakamabisang antibiotic rotation plan para gamutin ang maraming strain ng E. coli at maiwasan ang paglaban sa droga. Ipinapakita ng pag-aaral na maaaring suportahan ng AI ang kumplikadong paggawa ng desisyon, tulad ng pagkalkula ng mga iskedyul ng paggamot sa antibiotic, sabi ni Dr. Maltas.

Ipinaliwanag ni Dr. Weaver na lampas sa pamamahala ng impeksyon sa isang indibidwal na pasyente, ang modelo ng AI ng koponan ay maaaring magpaalam kung paano tinatrato ng mga ospital ang mga impeksyon sa pangkalahatan. Siya at ang kanyang pangkat ng pagsasaliksik ay nagsusumikap din na palawakin ang kanilang trabaho na lampas sa mga impeksyon sa bacterial hanggang sa iba pang mga nakamamatay na sakit.

"Ang ideyang ito ay hindi limitado sa bakterya, maaari itong ilapat sa anumang bagay na maaaring bumuo ng paglaban sa paggamot," sabi niya. "Sa hinaharap, naniniwala kami na ang mga uri ng AI na ito ay maaaring gamitin upang pamahalaan ang mga cancer na lumalaban sa paggamot."