Kunstmatige intelligentie kan behandelingen ontwikkelen om 'superbacteriën' te voorkomen

Onderzoekers van de Cleveland Clinic hebben een model ontwikkeld op basis van kunstmatige intelligentie (AI) dat de beste combinatie en timing van medicijnen voor de behandeling van een bacteriële infectie kan bepalen, uitsluitend op basis van de groeisnelheid van de bacterie onder bepaalde omstandigheden. Het team, onder leiding van dr. Jacob Scott en zijn laboratorium binnen de Theoretische Afdeling Translationele Hematologie en Oncologie, publiceerde onlangs hun bevindingen in het tijdschrift Proceedings of the National Academy of Sciences.

Antibiotica worden gezien als de oorzaak van de gemiddelde levensverwachting in de Verenigde Staten met bijna tien jaar. De behandelingen verminderden het sterftecijfer als gevolg van gezondheidsproblemen die we nu als onschuldig beschouwen, zoals snijwonden en verwondingen. Maar antibiotica werken niet meer zo goed als vroeger, deels omdat ze zo wijdverbreid worden gebruikt.

"Wereldwijde gezondheidsorganisaties zijn het erover eens dat we een post-antibioticatijdperk ingaan", legt dr. Scott uit. "Als we de manier waarop we bacteriën bestrijden niet veranderen, zullen er in 2050 meer mensen sterven aan antibioticaresistente infecties dan aan kanker."

Bacteriën vermenigvuldigen zich snel en produceren gemuteerde nakomelingen. Overmatig antibioticagebruik geeft bacteriën de kans om mutaties te ontwikkelen die resistent zijn tegen behandeling. Na verloop van tijd doden antibiotica alle vatbare bacteriën, waardoor alleen de sterkere mutanten overblijven die antibiotica niet kunnen doden.

Een strategie die artsen gebruiken om behandelingen voor bacteriële infecties te stroomlijnen, is antibioticarotatie. Zorgverleners wisselen in de loop van de tijd verschillende antibiotica af. Door te wisselen tussen verschillende medicijnen krijgen bacteriën minder tijd om resistentie te ontwikkelen tegen één bepaalde antibioticaklasse. Rotatie kan bacteriën zelfs gevoeliger maken voor andere antibiotica.

"Medicijnrotatie lijkt veelbelovend voor de effectieve behandeling van ziekten", zegt Davis Weaver, eerste auteur van de studie en geneeskundestudent, PhD. "Het probleem is dat we niet weten hoe we dat het beste kunnen doen. Er zijn geen normen voor welk antibioticum moet worden gegeven, hoe lang of in welke volgorde."

Medeauteur van de studie, Dr. Jeff Maltas, postdoctoraal onderzoeker aan de Cleveland Clinic, gebruikt computermodellen om te voorspellen hoe de resistentie van bacteriën tegen het ene antibioticum hen zwakker maakt ten opzichte van het andere. Hij werkte samen met Dr. Weaver om te onderzoeken of datagestuurde modellen medicijnrotatiepatronen konden voorspellen die antibioticaresistentie minimaliseren en de gevoeligheid maximaliseren, ondanks de willekeurige aard van bacteriële evolutie.

Dr. Weaver leidde de toepassing van reinforcement learning op het model voor medicijnrotatie, dat een computer leert te leren van fouten en successen om de beste strategie te bepalen voor het voltooien van een taak. De studie is een van de eerste die reinforcement learning toepast op antibioticarotatieschema's, aldus drs. Weaver en drs. Maltas.

Schematische evolutionaire simulatie en geteste optimalisatiebenaderingen. Bron: Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121

"Reinforcement learning is een ideale aanpak, omdat je alleen hoeft te weten hoe snel de bacteriën groeien, wat relatief eenvoudig te bepalen is", legt Dr. Weaver uit. "Er is ook ruimte voor menselijke variatie en fouten. Je hoeft de groeisnelheid niet elke keer tot op de milliseconde nauwkeurig te meten."

De AI van het onderzoeksteam was in staat om de meest effectieve antibioticarotatieplannen te bepalen om meerdere stammen van E. coli te behandelen en resistentie tegen geneesmiddelen te voorkomen. De studie toont aan dat AI complexe besluitvorming kan ondersteunen, zoals het berekenen van antibioticabehandelingsschema's, aldus Dr. Maltas.

Dr. Weaver legt uit dat het AI-model van het team, naast het behandelen van infecties bij een individuele patiënt, ook van invloed kan zijn op de manier waarop ziekenhuizen infecties in het algemeen behandelen. Hij en zijn onderzoeksteam werken er ook aan om hun werk uit te breiden van bacteriële infecties naar andere dodelijke ziekten.

"Dit idee is niet beperkt tot bacteriën; het kan worden toegepast op elk object dat resistent kan worden tegen behandelingen", zegt hij. "In de toekomst denken we dat dit soort AI gebruikt kan worden om therapieresistente kankers te behandelen."