طور باحثو كليفلاند كلينيك، نموذجًا للذكاء الاصطناعي يمكنه تحديد أفضل مجموعة وجدول زمني لاستخدامه عند وصف الأدوية لعلاج العدوى البكتيرية، استنادًا فقط إلى مدى سرعة نمو البكتيريا في ظل اضطرابات معينة.

قام فريق بقيادة جاكوب سكوت، ومختبره في القسم النظري لأمراض الدم والأورام الانتقالية، بنشر النتائج التي توصلوا إليها مؤخرًا في وقائع الأكاديمية الوطنية للعلوم.

المضادات الحيوية وزيادة متوسط العمر

يعود الفضل للمضادات الحيوية في زيادة متوسط ​​العمر في الولايات المتحدة بما يقرب من 10 سنوات.

وبحسب موقع ميديكال إكسبريس، أدى العلاج إلى خفض معدلات الوفيات بسبب المشكلات الصحية التي نعتبرها الآن بسيطة، مثل بعض الجروح والإصابات.

لكن المضادات الحيوية لم تعد تعمل بشكل جيد كما كانت في السابق، ويعود ذلك جزئيًا إلى انتشار استخدامها على نطاق واسع.

تتكاثر البكتيريا بسرعة، وتنتج ذرية متحولة، وبالتالي فإن الإفراط في استخدام المضادات الحيوية يمنح البكتيريا فرصة للتدرب على صنع طفرات تقاوم العلاج.

مع مرور الوقت، تقتل المضادات الحيوية جميع البكتيريا الحساسة، تاركة وراءها فقط الطفرات الأقوى التي لا تستطيع المضادات الحيوية قتلها.

إحدى الاستراتيجيات التي يستخدمها الأطباء لتحديث الطريقة التي نعالج بها الالتهابات البكتيرية هي دورة المضادات الحيوية.

يتناوب مقدمو الرعاية الصحية بين المضادات الحيوية المختلفة خلال فترات زمنية محددة.

إن التبديل بين الأدوية المختلفة يمنح البكتيريا وقتًا أقل لتطوير مقاومة لأي فئة من المضادات الحيوية.

يقول المؤلف الأول للدراسة، ديفيس ويفر: "يُظهر تدوير الأدوية الكثير من الأمل في علاج الأمراض بشكل فعال، فالمشكلة هي أننا لا نعرف أفضل طريقة للقيام بذلك، ولا يوجد شيء موحد بين المستشفيات التي يتم إعطاء المضادات الحيوية لها، وإلى متى وبأي ترتيب".

يستخدم المؤلف المشارك في الدراسة جيف مالتاس، نماذج حاسوبية للتنبؤ بكيفية تأثير مقاومة البكتيريا لمضاد حيوي واحد على جعلها أضعف أمام مضاد حيوي آخر.

تعاون مالتاس مع الدكتور ويفر لمعرفة ما إذا كانت النماذج المبنية على البيانات يمكنها التنبؤ بأنظمة تدوير الأدوية التي تقلل من مقاومة المضادات الحيوية وتزيد من قابلية المضادات الحيوية إلى الحد الأقصى، على الرغم من الطبيعة العشوائية لكيفية تطور البكتيريا.

قاد الدكتور ويفر مهمة تطبيق التعلم المعزز على نموذج دورة الدواء، الذي يعلم الكمبيوتر التعلم من أخطائه ونجاحاته لتحديد أفضل استراتيجية لإكمال المهمة.

يوضح الدكتور ويفر: "يعد التعلم المعزز أسلوبًا مثاليًا لأنك تحتاج فقط إلى معرفة مدى سرعة نمو البكتيريا، وهو أمر يسهل تحديده نسبيًا، وهناك أيضًا مجال للاختلافات والأخطاء البشرية، لست بحاجة إلى قياس معدلات النمو بشكل مثالي حتى المللي ثانية بالضبط في كل مرة".

تمكن الذكاء الاصطناعي الخاص بفريق البحث من اكتشاف خطط دورة المضادات الحيوية الأكثر فعالية لعلاج سلالات متعددة من الإشريكية القولونية ومنع مقاومة الأدوية. تظهر الدراسة أن الذكاء الاصطناعي يمكن أن يدعم اتخاذ القرارات المعقدة مثل حساب جداول العلاج بالمضادات الحيوية، كما يقول الدكتور مالطاس.

يوضح الدكتور ويفر أنه بالإضافة إلى إدارة عدوى المريض الفردي، يمكن لنموذج الذكاء الاصطناعي الخاص بالفريق أن يوضح كيفية علاج المستشفيات للعدوى في جميع المجالات. ويعمل هو وفريقه البحثي أيضًا على توسيع نطاق عملهم بما يتجاوز الالتهابات البكتيرية ليشمل أمراضًا مميتة أخرى.

ويقول: "لا تقتصر هذه الفكرة على البكتيريا، بل يمكن تطبيقها على أي شيء يمكن أن يطور مقاومة للعلاج، ثم في المستقبل، نعتقد أنه يمكن استخدام هذه الأنواع من الذكاء الاصطناعي لعلاج السرطانات المقاومة للأدوية أيضًا".