L'intelligenza artificiale potrebbe sviluppare trattamenti per prevenire i 'superbatteri'

I ricercatori della Cleveland Clinic hanno sviluppato un modello di intelligenza artificiale (IA) in grado di determinare la migliore combinazione e il momento migliore per somministrare i farmaci per trattare un'infezione batterica basandosi esclusivamente sulla velocità di crescita dei batteri in determinate condizioni. Il team, guidato dal Dott. Jacob Scott e dal suo laboratorio presso la Divisione Teorica di Ematologia e Oncologia Traslazionale, ha recentemente pubblicato i suoi risultati sulla rivista Proceedings of the National Academy of Sciences.

Agli antibiotici è attribuito il merito di aver aumentato l'aspettativa di vita media negli Stati Uniti di quasi un decennio. Questi trattamenti hanno ridotto i tassi di mortalità per problemi di salute che oggi consideriamo minori, come alcuni tagli e ferite. Ma gli antibiotici non sono più efficaci come un tempo, in parte perché sono così ampiamente utilizzati.

"Le organizzazioni sanitarie globali concordano sul fatto che stiamo entrando in un'era post-antibiotica", spiega il Dott. Scott. "Se non cambiamo il modo in cui combattiamo i batteri, entro il 2050 moriranno più persone per infezioni resistenti agli antibiotici che per cancro".

I batteri si moltiplicano rapidamente, producendo prole mutante. L'abuso di antibiotici offre ai batteri l'opportunità di sviluppare mutazioni resistenti al trattamento. Col tempo, gli antibiotici uccidono tutti i batteri sensibili, lasciando solo i mutanti più forti che gli antibiotici non riescono a uccidere.

Una strategia utilizzata dai medici per semplificare i trattamenti delle infezioni batteriche è la cosiddetta rotazione antibiotica. Gli operatori sanitari alternano nel tempo diversi antibiotici. Passare da un farmaco all'altro riduce il tempo a disposizione dei batteri per sviluppare resistenza a una qualsiasi classe di antibiotici. La rotazione può persino rendere i batteri più sensibili ad altri antibiotici.

"La rotazione dei farmaci si dimostra promettente nel trattamento efficace delle malattie", afferma il primo autore dello studio e studente di medicina Davis Weaver, PhD. "Il problema è che non sappiamo qual è il modo migliore per farlo. Non esistono standard per stabilire quale antibiotico somministrare, per quanto tempo o in quale ordine".

Il coautore dello studio, il Dott. Jeff Maltas, ricercatore post-dottorato presso la Cleveland Clinic, utilizza modelli computerizzati per prevedere come la resistenza dei batteri a un antibiotico li renda più deboli a un altro. Ha collaborato con il Dott. Weaver per verificare se i modelli basati sui dati potessero prevedere modelli di rotazione dei farmaci che minimizzano la resistenza agli antibiotici e massimizzano la suscettibilità, nonostante la natura casuale dell'evoluzione batterica.

Il Dott. Weaver ha guidato l'applicazione dell'apprendimento per rinforzo al modello di rotazione dei farmaci, che insegna a un computer a imparare dai propri errori e successi per determinare la strategia migliore per completare un compito. Lo studio è uno dei primi ad applicare l'apprendimento per rinforzo agli schemi di rotazione degli antibiotici, secondo i Dott.ri Weaver e Maltas.

Simulazione evolutiva schematica e approcci di ottimizzazione testati. Fonte: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121

"L'apprendimento per rinforzo è un approccio ideale perché basta conoscere la velocità di crescita dei batteri, un fattore relativamente facile da determinare", spiega il Dott. Weaver. "C'è anche spazio per la variabilità e l'errore umano. Non è necessario misurare la velocità di crescita al millisecondo ogni volta."

L'intelligenza artificiale del team di ricerca è stata in grado di elaborare i piani di rotazione antibiotica più efficaci per trattare diversi ceppi di E. coli e prevenire la resistenza ai farmaci. Lo studio dimostra che l'intelligenza artificiale può supportare processi decisionali complessi, come il calcolo dei programmi di trattamento antibiotico, afferma il Dott. Maltas.

Il Dott. Weaver spiega che, oltre a gestire l'infezione in un singolo paziente, il modello di intelligenza artificiale del team potrebbe influenzare il modo in cui gli ospedali trattano le infezioni nel loro complesso. Lui e il suo team di ricerca stanno anche lavorando per estendere il loro lavoro oltre le infezioni batteriche, includendo anche altre malattie mortali.

"Questa idea non si limita ai batteri, può essere applicata a qualsiasi oggetto che possa sviluppare resistenza ai trattamenti", afferma. "In futuro, crediamo che questi tipi di intelligenza artificiale potrebbero essere utilizzati per gestire i tumori resistenti ai trattamenti".