Investigadores de Cleveland Clinic utilizaron un modelo de IA para diseñar regímenes de antibióticos para prevenir la resistencia al tratamiento.
Un equipo de científicos de Cleveland Clinic desarrolló un modelo de inteligencia artificial (IA) capaz de determinar la mejor combinación y cronogramas para recetar medicamentos con el propósito de tratar una infección bacteriana.
Los antibióticos han aumentado la esperanza de vida desde su aparición, además de contener enfermedades que antes de los antibióticos se consideraban mortales. Sin embargo, su uso generalizado ha disminuido su efectividad.
“Las agencias sanitarias de todo el mundo coinciden en que estamos entrando en una era post antibióticos”, explica el Dr. Jason Scott, líder del equipo de la investigación. “Si no cambiamos la forma en que atacamos a las bacterias, en 2050 morirán más personas por infecciones resistentes a los antibióticos que por cáncer”, agregó.
El uso excesivo de antibióticos hace que las bacterias experimenten mutaciones que resisten al tratamiento. En este sentido, los antibióticos matan a las bacterias susceptibles, pero permanecen las bacterias mutadas que los antibióticos no pueden eliminar. Una estrategia para prevenir la resistencia a los antibióticos, es rotar entre diversos tratamientos durante periodos de tiempo específicos.
Cambiar los antibióticos permite que las bacterias tengan menos tiempo para desarrollar resistencia, ya que un tratamiento cíclico puede hacer que las bacterias sean más susceptibles a otros antibióticos. “El ciclo de medicamentos es muy prometedor en el tratamiento eficaz de enfermedades”, explicó el Dr. Davis Weaver, autor principal del estudio. “El problema es que no sabemos cuál es la mejor manera de hacerlo. No hay nada estandarizado entre los hospitales sobre qué antibiótico administrar, durante cuánto tiempo y en qué orden”.
En este sentido, el aprendizaje por refuerzo, un método de IA basado en datos, es capaz de predecir regímenes de ciclos de fármacos que minimizarán la resistencia a los antibióticos y maximizarán la susceptibilidad a antibióticos.
“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”, mencionó el Dr. Weaver. “También hay margen para variaciones y errores humanos. No es necesario medir las tasas de crecimiento perfectamente hasta el milisegundo exacto cada vez”, resaltó.
La IA desarrollada pudo descubrir planes de ciclo de antibióticos más eficientes para tratar múltiples cepas de E. coli y prevenir la resistencia a los medicamentos. “Esta idea no se limita a las bacterias, se puede aplicar a cualquier cosa que pueda desarrollar resistencia al tratamiento”, mencionó el Dr. Jeff Maltas, miembro del equipo. “Creemos que en el futuro estos tipos de IA también podrán utilizarse para controlar los cánceres resistentes a los medicamentos”, finalizó.
