Oporność na antybiotyki w zakażeniach bakteryjnych. Sztuczna inteligencja może w tym pomóc

Antybiotyki stosowane są do leczenia infekcji bakteryjnych. Jednak z powodu ich nadmiernego używania pojawiły się i rozpowszechniły bakterie oporne na nie.

Teraz, korzystając z technik sekwencjonowania genomowego i analizy danych pacjentów za pomocą uczenia maszynowego (sztucznej inteligencji), izraelscy naukowcy opracowali algorytm przepisywania antybiotyków, który zmniejsza ryzyko oporności o połowę.

Profesor Roy Kishony z Technion-Israel Institute of Technology w Hajfie i jego zespół współpracowali z Maccabi KSM Research and Innovation Center, którym kieruje doktor Tal Patalon. Naukowcy skupili się na dwóch rozpowszechnionych typach infekcji bakteryjnych - zakażeniach dróg moczowych i zakażeniach ran. Historię infekcji każdego pacjenta można wykorzystać w celu wybrania najlepszego antybiotyku, aby zmniejszyć ryzyko pojawienia się antybiotykooporności.

Leczenie infekcji bakteryjnych skupia się obecnie na wyborze antybiotyku, który odpowiada wrażliwości patogenu, przy czym mniej uwagi poświęca się ryzyku, że nawet leczenie dopasowane pod względem wrażliwości może zakończyć się niepowodzeniem w wyniku pojawiającej się oporności w odpowiedzi na leczenie.

- Chcieliśmy zrozumieć, w jaki sposób pojawia się oporność na antybiotyki podczas leczenia i znaleźć sposoby na lepsze dostosowanie leczenia antybiotykami dla każdego pacjenta, aby nie tylko prawidłowo dopasować obecną podatność pacjenta na infekcje, ale także zminimalizować ryzyko nawrotu infekcji i uzyskać oporność na leczenie - powiedział profesor Kishon.

Łącząc sekwencjonowanie całego genomu 1113 izolatów bakteryjnych przed i po leczeniu z analizą uczenia maszynowego 140 349 infekcji dróg moczowych i 7 365 infekcji ran, naukowcy odkryli, że pojawienie się oporności wywołane leczeniem można przewidzieć i zminimalizować na poziomie indywidualnego pacjenta.

Bakterie mogą ewoluować poprzez losowe nabywanie mutacji, które czynią je opornymi, ale losowość tego procesu utrudnia jego przewidywanie i uniknięcie. Jednak naukowcy odkryli, że w przypadku większości infekcji u przeważającej części pacjentów oporność nie została nabyta przez przypadkowe mutacje. Zakażenia powodują przy tym głównie własne bakterie jelitowe pacjenta (mikrobiom).

Dlatego naukowcy zaproponowali dopasowanie antybiotyku nie tylko do podatności bakterii wywołujących obecną infekcję pacjenta, ale także do bakterii w ich mikrobiomie, które mogłyby je zastąpić.

- Odkryliśmy, że podatność na antybiotyki wcześniejszych infekcji pacjenta może być wykorzystana do przewidywania ryzyka nawrotu opornej infekcji po leczeniu antybiotykami - wyjaśnił doktor Mathew Stracy, pierwszy autor artykułu, biochemik z Technion, który pracuje również na Oxford University w Wielkiej Brytanii. - Wykorzystanie tych danych wraz z danymi demograficznymi pacjenta, takimi jak wiek i płeć, pozwoliło nam opracować algorytm - dodał.

Autorzy mają nadzieję, że opracowany przez nich algorytm znajdzie szerokie zastosowanie w leczeniu infekcji bakteryjnych w celu poprawy skuteczności i zminimalizowania rozprzestrzeniania się oporności.