Kunstmatige intelligentie zou behandelingen kunnen ontwikkelen om 'superbugs' te voorkomen
Laatst beoordeeld: 14.06.2024
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
Onderzoekers van de Cleveland Clinic hebben een model voor kunstmatige intelligentie (AI) ontwikkeld dat de beste combinatie en timing kan bepalen voor het voorschrijven van medicijnen om een bacteriële infectie te behandelen, uitsluitend op basis van de snelheid van bacteriegroei onder bepaalde blootstellingen. Een team onder leiding van Dr. Jacob Scott en zijn laboratorium in de Theoretische Afdeling van Translationele Hematologie en Oncologie publiceerden onlangs hun resultaten in de Proceedings of the National Academy of Sciences.. P>
Van antibiotica wordt gezegd dat ze de levensverwachting in de Verenigde Staten met bijna tien jaar hebben doen toenemen. De behandeling verminderde het sterftecijfer als gevolg van gezondheidsproblemen die we nu als klein beschouwen, zoals enkele snijwonden en verwondingen. Antibiotica werken echter niet meer zo goed als vroeger, deels vanwege het wijdverbreide gebruik ervan.
“Wereldwijde gezondheidsorganisaties zijn het erover eens dat we een post-antibioticatijdperk ingaan”, legt Dr. Scott uit. “Als we de manier waarop we bacteriën bestrijden niet veranderen, zullen in 2050 meer mensen sterven aan antibioticaresistente infecties dan aan kanker.”
Bacteriën vermenigvuldigen zich snel en produceren gemuteerde nakomelingen. Overmatig gebruik van antibiotica geeft bacteriën de kans mutaties te ontwikkelen die resistent zijn tegen behandeling. Na verloop van tijd doden antibiotica alle gevoelige bacteriën, waardoor alleen sterkere mutanten overblijven die antibiotica niet kunnen vernietigen.
Een strategie die artsen gebruiken om de behandeling van bacteriële infecties te moderniseren, is antibioticarotatie. Zorgverleners wisselen gedurende specifieke perioden verschillende antibiotica af. Door tussen verschillende geneesmiddelen te wisselen, krijgen bacteriën minder tijd om resistentie tegen een bepaalde klasse antibiotica te ontwikkelen. Rotatie kan bacteriën zelfs gevoeliger maken voor andere antibiotica.
“De rotatie van geneesmiddelen is veelbelovend bij het effectief behandelen van ziekten”, zegt eerste auteur en geneeskundestudent Davis Weaver, Ph.D. “Het probleem is dat we niet weten hoe we dat het beste kunnen doen. Er zijn geen normen voor welk antibioticum je moet geven, hoe lang en in welke volgorde.”
Co-auteur van het onderzoek Dr. Jeff Maltas, een postdoctoraal onderzoeker bij de Cleveland Clinic, gebruikt computermodellen om te voorspellen hoe de resistentie van bacteriën tegen het ene antibioticum hen zwakker maakt tegen het andere. Hij werkte samen met Dr. Weaver om te onderzoeken of datagestuurde modellen patronen van medicijnrotatie konden voorspellen die de antibioticaresistentie minimaliseren en de antibioticagevoeligheid maximaliseren, ondanks de willekeurige aard van bacteriële evolutie.
Dr. Weaver leidde de toepassing van reinforcement learning op het model voor medicijnrotatie, dat een computer leert om te leren van zijn fouten en successen om de beste strategie te bepalen om een taak te voltooien. Volgens Drs. Weaver en Maltas is deze studie een van de eerste die reinforcement learning toepast op antibioticarotatieregimes.
Schematische evolutionaire simulatie en geteste optimalisatiebenaderingen. Bron: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
“Reinforcement learning is een ideale benadering omdat je alleen hoeft te weten hoe snel de bacteriën groeien, wat relatief eenvoudig te bepalen is,” legt Dr. Weaver uit. “Er is ook ruimte voor variatie en menselijke fouten. Het is niet nodig om de groeisnelheid elke keer tot op de milliseconde nauwkeurig te meten.”
De AI van het onderzoeksteam was in staat om de meest effectieve antibioticarotatieplannen te bedenken om meerdere stammen van E. Coli te behandelen en medicijnresistentie te voorkomen. De studie toont aan dat AI complexe besluitvorming kan ondersteunen, zoals het berekenen van antibioticabehandelingsschema's, zegt Dr. Maltas.
Dr. Weaver legt uit dat het AI-model van het team, naast het beheren van de infectie van een individuele patiënt, kan informeren over hoe ziekenhuizen infecties als geheel behandelen. Hij en zijn onderzoeksteam werken er ook aan om hun werk uit te breiden van bacteriële infecties naar andere dodelijke ziekten.
“Dit idee is niet beperkt tot bacteriën, maar kan worden toegepast op alles dat resistentie tegen behandeling kan ontwikkelen,” zegt hij. “In de toekomst denken we dat dit soort AI gebruikt kan worden om kankers te behandelen die resistent zijn tegen behandelingen.”