La inteligencia artificial podría desarrollar tratamientos para prevenir las 'superbacterias'

Investigadores de la Clínica Cleveland han desarrollado un modelo de inteligencia artificial (IA) que puede determinar la mejor combinación y el mejor momento para recetar medicamentos para tratar una infección bacteriana basándose únicamente en la tasa de crecimiento bacteriano bajo ciertas exposiciones. Un equipo dirigido por el Dr. Jacob Scott y su laboratorio en la División Teórica de Hematología y Oncología Traslacional publicaron recientemente sus resultados en las Proceedings of the National Academy of Sciences. P>

Se atribuye a los antibióticos el aumento de la esperanza de vida en los Estados Unidos en casi una década. El tratamiento redujo la tasa de mortalidad por problemas de salud que ahora consideramos menores, como algunos cortes y lesiones. Sin embargo, los antibióticos ya no funcionan tan bien como antes, en parte debido a su uso generalizado.

“Las organizaciones sanitarias mundiales coinciden en que estamos entrando en una era post-antibióticos”, explica el Dr. Scott. "Si no cambiamos la forma en que luchamos contra las bacterias, en 2050 morirán más personas por infecciones resistentes a los antibióticos que por cáncer".

Las bacterias se multiplican rápidamente y producen descendencia mutante. El uso excesivo de antibióticos brinda a las bacterias la oportunidad de desarrollar mutaciones resistentes al tratamiento. Con el tiempo, los antibióticos matan todas las bacterias susceptibles, dejando sólo mutantes más fuertes que los antibióticos no pueden destruir.

Una estrategia que los médicos están utilizando para modernizar el tratamiento de las infecciones bacterianas se llama rotación de antibióticos. Los proveedores de atención médica alternan entre diferentes antibióticos durante períodos de tiempo específicos. Cambiar entre diferentes medicamentos les da a las bacterias menos tiempo para desarrollar resistencia a cualquier clase de antibiótico. La rotación puede incluso hacer que las bacterias sean más susceptibles a otros antibióticos.

“La rotación de medicamentos es prometedora en el tratamiento eficaz de enfermedades”, afirma el primer autor del estudio y estudiante de medicina Davis Weaver, Ph.D. “El problema es que no sabemos cuál es la mejor manera de hacerlo. No existen estándares sobre qué antibiótico administrar, durante cuánto tiempo y en qué orden”.

El coautor del estudio, el Dr. Jeff Maltas, investigador postdoctoral de la Clínica Cleveland, utiliza modelos informáticos para predecir cómo la resistencia de las bacterias a un antibiótico las debilita ante otro. Se asoció con el Dr. Weaver para explorar si los modelos basados en datos podrían predecir patrones de rotación de medicamentos que minimicen la resistencia a los antibióticos y maximicen la susceptibilidad a los antibióticos, a pesar de la naturaleza aleatoria de la evolución bacteriana.

Dra. Weaver lideró la aplicación del aprendizaje por refuerzo al modelo de rotación de fármacos, que enseña a una computadora a aprender de sus errores y éxitos para determinar la mejor estrategia para completar una tarea. Según los Dres. Weaver y Maltas, este estudio es uno de los primeros en aplicar el aprendizaje por refuerzo a los regímenes de rotación de antibióticos.

Simulación evolutiva esquemática y enfoques de optimización probados. Fuente: Actas de la Academia Nacional de Ciencias (2024). DOI: 10.1073/pnas.2303165121

“El aprendizaje por refuerzo es un enfoque ideal porque sólo es necesario saber qué tan rápido crecen las bacterias, lo cual es relativamente fácil de determinar”, explica el Dr. Weaver. “También hay margen para la variación y el error humano. No es necesario medir la tasa de crecimiento en milisegundos cada vez”.

La IA del equipo de investigación pudo descubrir los planes de rotación de antibióticos más eficaces para tratar múltiples cepas de E. Coli y prevenir la resistencia a los medicamentos. El estudio muestra que la IA puede respaldar la toma de decisiones complejas, como el cálculo de programas de tratamiento con antibióticos, afirma el Dr. Maltas.

Dra. Weaver explica que además de gestionar la infección de un paciente individual, el modelo de IA del equipo puede informar cómo los hospitales tratan las infecciones en su conjunto. Él y su equipo de investigación también están trabajando para ampliar su trabajo más allá de las infecciones bacterianas a otras enfermedades mortales.

“Esta idea no se limita a las bacterias, sino que se puede aplicar a cualquier cosa que pueda desarrollar resistencia al tratamiento”, afirma. "En el futuro, creemos que estos tipos de IA podrían usarse para controlar los cánceres resistentes al tratamiento".