يمكن للذكاء الاصطناعي تطوير علاجات للوقاية من "البكتيريا الخارقة

طوّر باحثون في عيادة كليفلاند نموذج ذكاء اصطناعي (AI) قادر على تحديد أفضل تركيبة وتوقيت للأدوية لعلاج عدوى بكتيرية، بالاعتماد فقط على معدل نمو البكتيريا في ظل ظروف معينة. وقد نشر الفريق، بقيادة الدكتور جاكوب سكوت ومختبره في القسم النظري لأمراض الدم والأورام الانتقالية، نتائجهم مؤخرًا في مجلة وقائع الأكاديمية الوطنية للعلوم.

يُنسب إلى المضادات الحيوية زيادة متوسط العمر المتوقع في الولايات المتحدة بنحو عقد من الزمن. وقد خفضت هذه العلاجات معدلات الوفيات الناجمة عن مشاكل صحية نعتبرها الآن طفيفة، مثل بعض الجروح والإصابات. لكن المضادات الحيوية لم تعد فعالة كما كانت في السابق، ويعود ذلك جزئيًا إلى انتشار استخدامها على نطاق واسع.

يوضح الدكتور سكوت: "تتفق منظمات الصحة العالمية على أننا ندخل عصر ما بعد المضادات الحيوية. إذا لم نغير طريقة مكافحتنا للبكتيريا، فسيموت عدد أكبر من الناس بحلول عام ٢٠٥٠ بسبب العدوى المقاومة للمضادات الحيوية مقارنةً بالسرطان".

تتكاثر البكتيريا بسرعة، منتجةً ذريةً متحولة. الإفراط في استخدام المضادات الحيوية يمنح البكتيريا فرصةً لتطوير طفرات مقاومة للعلاج. مع مرور الوقت، تقضي المضادات الحيوية على جميع البكتيريا الحساسة، تاركةً فقط الطفرات الأقوى التي لا تستطيع المضادات الحيوية القضاء عليها.

إحدى الاستراتيجيات التي يستخدمها الأطباء لتبسيط علاجات العدوى البكتيرية تُسمى "تناوب المضادات الحيوية". يتناوب العاملون في مجال الرعاية الصحية بين مختلف المضادات الحيوية مع مرور الوقت. هذا التناوب يُقلل من الوقت الذي تُطور فيه البكتيريا مقاومةً لأي فئة من المضادات الحيوية. بل قد يجعل التناوب البكتيريا أكثر حساسيةً لمضادات حيوية أخرى.

يقول الباحث الرئيسي للدراسة، طالب الطب، الدكتور ديفيس ويفر: "يُظهر نظام التناوب الدوائي نتائج واعدة في علاج الأمراض بفعالية. تكمن المشكلة في أننا لا نعرف أفضل طريقة للقيام بذلك. فلا توجد معايير تُحدد نوع المضاد الحيوي المُناسب، أو مدة إعطائه، أو ترتيب إعطائه".

يستخدم الدكتور جيف مالطاس، الباحث المشارك في الدراسة، وهو باحث ما بعد الدكتوراه في عيادة كليفلاند، نماذج حاسوبية للتنبؤ بكيفية تأثير مقاومة البكتيريا لأحد المضادات الحيوية على ضعفها أمام مضاد حيوي آخر. وقد تعاون مع الدكتور ويفر لمعرفة ما إذا كانت النماذج القائمة على البيانات قادرة على التنبؤ بأنماط تناوب الأدوية التي تقلل من مقاومة المضادات الحيوية وتزيد من قابليتها للتأثر، على الرغم من الطبيعة العشوائية لتطور البكتيريا.

قاد الدكتور ويفر تطبيق التعلم التعزيزي على نموذج دورة استخدام الأدوية، الذي يُعلّم الحاسوب كيفية التعلم من أخطائه ونجاحاته لتحديد أفضل استراتيجية لإنجاز مهمة ما. وتُعد هذه الدراسة من أوائل الدراسات التي تُطبّق التعلم التعزيزي على برامج دورة استخدام المضادات الحيوية، وفقًا للدكتورين ويفر ومالطاس.

محاكاة تطورية تخطيطية وأساليب تحسين مُجرَّبة. المصدر: وقائع الأكاديمية الوطنية للعلوم (2024). DOI: 10.1073/pnas.2303165121

يوضح الدكتور ويفر قائلاً: "يُعد التعلم المُعزَّز نهجًا مثاليًا، إذ يكفي معرفة سرعة نمو البكتيريا، وهو أمر يسهل تحديده نسبيًا. كما أن هناك مجالًا للاختلاف والخطأ البشري. لستَ بحاجة إلى قياس معدل النمو بدقة متناهية في كل مرة."

تمكّن الذكاء الاصطناعي لفريق البحث من تحديد أكثر خطط استخدام المضادات الحيوية فعاليةً لعلاج سلالات متعددة من الإشريكية القولونية ومنع مقاومة الأدوية. وتُظهر الدراسة أن الذكاء الاصطناعي قادر على دعم اتخاذ القرارات المعقدة، مثل حساب جداول العلاج بالمضادات الحيوية، وفقًا للدكتور مالطا.

يوضح الدكتور ويفر أنه بالإضافة إلى إدارة العدوى لدى مريض واحد، يمكن لنموذج الذكاء الاصطناعي الذي طوره الفريق أن يُسهم في كيفية تعامل المستشفيات مع العدوى بشكل عام. ويعمل هو وفريقه البحثي أيضًا على توسيع نطاق عملهم ليشمل أمراضًا مميتة أخرى، لا تقتصر على العدوى البكتيرية.

يقول: "لا تقتصر هذه الفكرة على البكتيريا، بل يُمكن تطبيقها على أي جسم قد يُطوّر مقاومة للعلاج. وفي المستقبل، نعتقد أن هذه الأنواع من الذكاء الاصطناعي يُمكن استخدامها للسيطرة على أنواع السرطان المقاومة للعلاج".