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.
Mākslīgais intelekts varētu izstrādāt ārstēšanu, lai novērstu "superbaktērijas".
Pēdējā pārskatīšana: 02.07.2025
Klīvlendas klīnikas pētnieki ir izstrādājuši mākslīgā intelekta (MI) modeli, kas, pamatojoties tikai uz baktēriju augšanas ātrumu noteiktos apstākļos, var noteikt labāko zāļu kombināciju un lietošanas laiku bakteriālas infekcijas ārstēšanai. Komanda Dr. Džeikoba Skota vadībā un viņa laboratorija Translācijas hematoloģijas un onkoloģijas teorētiskajā nodaļā nesen publicēja savus atklājumus žurnālā Proceedings of the National Academy of Sciences.
Antibiotikas tiek piedēvētas vidējā paredzamā dzīves ilguma palielināšanai Amerikas Savienotajās Valstīs gandrīz par desmit gadiem. Šīs ārstēšanas metodes samazināja mirstību no veselības problēmām, kuras mēs tagad uzskatām par nelielām, piemēram, dažiem griezumiem un traumām. Taču antibiotikas vairs neiedarbojas tik labi kā agrāk, daļēji tāpēc, ka tās tiek tik plaši lietotas.
“Globālās veselības organizācijas ir vienisprātis, ka mēs ieejam postantibiotiku laikmetā,” skaidro Dr. Skots. “Ja mēs nemainīsim veidu, kā cīnāmies ar baktērijām, līdz 2050. gadam no antibiotikām rezistentām infekcijām mirs vairāk cilvēku nekā no vēža.”
Baktērijas strauji vairojas, radot mutantu pēcnācējus. Pārmērīga antibiotiku lietošana dod baktērijām iespēju attīstīt mutācijas, kas ir rezistentas pret ārstēšanu. Laika gaitā antibiotikas iznīcina visas uzņēmīgās baktērijas, atstājot tikai spēcīgākos mutantus, kurus antibiotikas nespēj iznīcināt.
Viena stratēģija, ko ārsti izmanto, lai racionalizētu bakteriālu infekciju ārstēšanu, ir antibiotiku rotācija. Veselības aprūpes darbinieki laika gaitā pārmaiņus lieto dažādas antibiotikas. Pāreja starp dažādām zālēm dod baktērijām mazāk laika, lai attīstītu rezistenci pret jebkuru antibiotiku klasi. Rotācija var pat padarīt baktērijas uzņēmīgākas pret citām antibiotikām.
“Zāļu rotācija ir daudzsološa slimību efektīvā ārstēšanā,” saka pētījuma pirmais autors un medicīnas students Deiviss Vīvers, PhD. “Problēma ir tā, ka mēs nezinām labāko veidu, kā to izdarīt. Nav standartu, kādas antibiotikas dot, cik ilgi vai kādā secībā.”
Pētījuma līdzautors Dr. Džefs Maltass, pēcdotorantūras pētnieks Klīvlendas klīnikā, izmanto datormodeļus, lai prognozētu, kā baktēriju rezistence pret vienu antibiotiku padara tās vājākas pret citu. Viņš sadarbojās ar Dr. Vīveru, lai noskaidrotu, vai uz datiem balstīti modeļi varētu paredzēt zāļu rotācijas modeļus, kas samazina antibiotiku rezistenci un palielina uzņēmību, neskatoties uz baktēriju evolūcijas nejaušo raksturu.
Dr. Vīvers vadīja pastiprinājuma mācīšanās pielietošanu zāļu rotācijas modelim, kas māca datoram mācīties no savām kļūdām un panākumiem, lai noteiktu labāko stratēģiju uzdevuma veikšanai. Saskaņā ar Dr. Vīvera un Dr. Maltasa teikto, šis ir viens no pirmajiem pētījumiem, kurā pastiprinājuma mācīšanās tiek pielietota antibiotiku rotācijas shēmās.
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 jāzina tikai tas, cik ātri baktērijas aug, ko ir samērā viegli noteikt,” skaidro Dr. Vīvers. “Pastāv arī vieta cilvēciskām variācijām un kļūdām. Jums nav katru reizi jāmēra augšanas ātrums līdz milisekundei.”
Pētnieku komandas mākslīgais intelekts spēja noteikt visefektīvākos antibiotiku rotācijas plānus vairāku E. coli celmu ārstēšanai un zāļu rezistences novēršanai. Pētījums liecina, ka mākslīgais intelekts var atbalstīt sarežģītu lēmumu pieņemšanu, piemēram, antibiotiku ārstēšanas grafiku aprēķināšanu, saka Dr. Maltass.
Dr. Vīvers skaidro, ka papildus individuāla pacienta infekcijas pārvaldībai komandas mākslīgā intelekta modelis varētu sniegt informāciju par to, kā slimnīcas ārstē infekcijas kopumā. Viņš un viņa pētnieku komanda strādā arī pie tā, lai paplašinātu savu darbu, risinot bakteriālas infekcijas un citas nāvējošas slimības.
“Šī ideja neaprobežojas tikai ar baktērijām, to var pielietot jebkuram objektam, kas var attīstīt rezistenci pret ārstēšanu,” viņš saka. “Nākotnē mēs uzskatām, ka šāda veida mākslīgo intelektu varētu izmantot ārstēšanai rezistentu vēža veidu ārstēšanai.”