Nouvelles publications
L'intelligence artificielle pourrait développer des traitements pour prévenir les « superbactéries »
Dernière revue: 14.06.2024
Tout le contenu iLive fait l'objet d'un examen médical ou d'une vérification des faits pour assurer autant que possible l'exactitude factuelle.
Nous appliquons des directives strictes en matière d’approvisionnement et ne proposons que des liens vers des sites de médias réputés, des instituts de recherche universitaires et, dans la mesure du possible, des études évaluées par des pairs sur le plan médical. Notez que les nombres entre parenthèses ([1], [2], etc.) sont des liens cliquables vers ces études.
Si vous estimez qu'un contenu quelconque de notre contenu est inexact, obsolète ou discutable, veuillez le sélectionner et appuyer sur Ctrl + Entrée.
Des chercheurs de la Cleveland Clinic ont développé un modèle d'intelligence artificielle (IA) capable de déterminer la meilleure combinaison et le meilleur moment pour prescrire des médicaments destinés à traiter une infection bactérienne, en se basant uniquement sur le taux de croissance bactérienne sous certaines expositions. Une équipe dirigée par le Dr Jacob Scott et son laboratoire de la Division théorique d'hématologie translationnelle et d'oncologie ont récemment publié leurs résultats dans les Proceedings of the National Academy of Sciences.. P>
On attribue aux antibiotiques une augmentation de l'espérance de vie de près d'une décennie aux États-Unis. Le traitement a réduit le taux de mortalité dû à des problèmes de santé que nous considérons désormais comme mineurs, comme certaines coupures et blessures. Cependant, les antibiotiques ne fonctionnent plus aussi bien qu'avant, en partie à cause de leur utilisation généralisée.
« Les organisations mondiales de santé conviennent que nous entrons dans une ère post-antibiotique », explique le Dr Scott. "Si nous ne changeons pas la façon dont nous combattons les bactéries, d'ici 2050, davantage de personnes mourront d'infections résistantes aux antibiotiques que du cancer."
Les bactéries se multiplient rapidement, produisant une progéniture mutante. La surutilisation d’antibiotiques donne aux bactéries la possibilité de développer des mutations résistantes au traitement. Au fil du temps, les antibiotiques tuent toutes les bactéries sensibles, ne laissant que des mutants plus forts que les antibiotiques ne peuvent pas détruire.
L'une des stratégies utilisées par les médecins pour moderniser le traitement des infections bactériennes est la rotation des antibiotiques. Les prestataires de soins de santé alternent entre différents antibiotiques sur des périodes de temps spécifiques. Le passage d’un médicament à l’autre donne moins de temps aux bactéries pour développer une résistance à une classe d’antibiotiques. La rotation peut même rendre les bactéries plus sensibles à d'autres antibiotiques.
« La rotation des médicaments s'avère prometteuse dans le traitement efficace des maladies », déclare Davis Weaver, Ph.D., premier auteur de l'étude et étudiant en médecine. « Le problème est que nous ne connaissons pas la meilleure façon de procéder. Il n’existe aucune norme quant au type d’antibiotique à administrer, pendant combien de temps et dans quel ordre. »
Le co-auteur de l'étude, le Dr Jeff Maltas, chercheur postdoctoral à la Cleveland Clinic, utilise des modèles informatiques pour prédire comment la résistance des bactéries à un antibiotique les rend plus faibles par rapport à un autre. Il a fait équipe avec le Dr Weaver pour explorer si des modèles basés sur des données pouvaient prédire des schémas de rotation des médicaments qui minimisent la résistance aux antibiotiques et maximisent la sensibilité aux antibiotiques, malgré la nature aléatoire de l'évolution bactérienne.
Dr. Weaver a dirigé l'application de l'apprentissage par renforcement au modèle de rotation des médicaments, qui apprend à un ordinateur à apprendre de ses erreurs et de ses succès afin de déterminer la meilleure stratégie pour accomplir une tâche. Selon les Drs. Weaver et Maltas, cette étude est l'une des premières à appliquer l'apprentissage par renforcement aux schémas thérapeutiques de rotation des antibiotiques.
Simulation évolutive schématique et approches d'optimisation testées. Source : Actes de l’Académie nationale des sciences (2024). DOI : 10.1073/pnas.2303165121
« L'apprentissage par renforcement est une approche idéale, car il suffit de connaître la vitesse de croissance des bactéries, ce qui est relativement facile à déterminer », explique le Dr Weaver. « Il existe également une marge de variation et d’erreur humaine. Il n'est pas nécessaire de mesurer le taux de croissance à la milliseconde près à chaque fois. »
L'IA de l'équipe de recherche a pu déterminer les plans de rotation des antibiotiques les plus efficaces pour traiter plusieurs souches d'E. Coli et prévenir la résistance aux médicaments. L'étude montre que l'IA peut faciliter la prise de décision complexe, comme le calcul des programmes de traitement antibiotique, explique le Dr Maltas.
Dr. Weaver explique qu'en plus de gérer l'infection d'un patient individuel, le modèle d'IA de l'équipe peut éclairer la manière dont les hôpitaux traitent les infections dans leur ensemble. Lui et son équipe de recherche s'efforcent également d'étendre leurs travaux au-delà des infections bactériennes à d'autres maladies mortelles.
« Cette idée ne se limite pas aux bactéries, mais peut être appliquée à tout ce qui peut développer une résistance au traitement », dit-il. "À l'avenir, nous pensons que ces types d'IA pourraient être utilisés pour gérer les cancers résistants aux traitements."