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

I ricercatori della Cleveland Clinic hanno sviluppato un modello di intelligenza artificiale (AI) in grado di determinare la migliore combinazione e tempistica per la prescrizione di farmaci per il trattamento di un'infezione batterica basandosi esclusivamente sul tasso di crescita batterica in determinate esposizioni. Un team guidato dal dottor Jacob Scott e dal suo laboratorio della Divisione teorica di ematologia e oncologia traslazionale ha recentemente pubblicato i risultati negli Proceedings of the National Academy of Sciences. p>

Agli antibiotici è riconosciuto il merito di aver aumentato l'aspettativa di vita di quasi un decennio negli Stati Uniti. Il trattamento ha ridotto il tasso di mortalità per problemi di salute che ora consideriamo minori, come alcuni tagli e lesioni. Tuttavia, gli antibiotici non funzionano più come una volta, in parte a causa del loro utilizzo diffuso.

"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 a causa di infezioni resistenti agli antibiotici che di cancro."

I batteri si moltiplicano rapidamente, producendo una prole mutante. L’uso eccessivo di antibiotici offre ai batteri l’opportunità di sviluppare mutazioni resistenti al trattamento. Nel corso del tempo, gli antibiotici uccidono tutti i batteri sensibili, lasciando solo mutanti più forti che gli antibiotici non possono distruggere.

Una strategia utilizzata dai medici per modernizzare il trattamento delle infezioni batteriche è chiamata rotazione degli antibiotici. Gli operatori sanitari alternano diversi antibiotici in periodi di tempo specifici. Il passaggio da un farmaco all’altro dà ai batteri meno tempo per sviluppare resistenza a 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, Ph.D. “Il problema è che non conosciamo il modo migliore per farlo. Non esistono standard su quale antibiotico somministrare, per quanto tempo e in quale ordine."

Il dottor Jeff Maltas, coautore dello studio, ricercatore post-dottorato presso la Cleveland Clinic, utilizza modelli computerizzati per prevedere in che modo la resistenza dei batteri a un antibiotico li rende più deboli rispetto a un altro. Ha collaborato con il dottor Weaver per esplorare se i modelli basati sui dati potessero prevedere modelli di rotazione dei farmaci che riducono al minimo la resistenza agli antibiotici e massimizzano la suscettibilità agli antibiotici, 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 migliore strategia per completare un compito. Secondo i dott. Weaver e Maltas, questo studio è uno dei primi ad applicare l'apprendimento per rinforzo ai regimi di rotazione degli antibiotici.

Simulazione evolutiva schematica e approcci di ottimizzazione testati. Fonte: Atti dell'Accademia nazionale delle scienze (2024). DOI: 10.1073/pnas.2303165121

"L'apprendimento per rinforzo è un approccio ideale perché è sufficiente sapere solo la velocità con cui crescono i batteri, che è relativamente facile da determinare", spiega il dott. Weaver. “C’è anche spazio per la variazione e l’errore umano. Non è necessario misurare ogni volta il tasso di crescita fino al millisecondo."

L'intelligenza artificiale del team di ricerca è riuscita a individuare i piani di rotazione antibiotica più efficaci per trattare più 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 dottor Maltas.

Il dott. Weaver spiega che oltre a gestire l’infezione di un singolo paziente, il modello di intelligenza artificiale del team può fornire informazioni su come gli ospedali trattano le infezioni nel loro insieme. Lui e il suo gruppo di ricerca stanno anche lavorando per espandere il loro lavoro oltre le infezioni batteriche ad altre malattie mortali.

"Questa idea non si limita ai batteri, ma può essere applicata a tutto ciò che può sviluppare resistenza al trattamento", afferma. "In futuro, riteniamo che questi tipi di intelligenza artificiale potrebbero essere utilizzati per gestire i tumori resistenti ai trattamenti."