L'intelligence artificielle pourrait permettre de mettre au point des traitements contre les "superbactéries".

Des chercheurs de la Cleveland Clinic ont développé un modèle d'intelligence artificielle (IA) capable de déterminer la meilleure combinaison et le meilleur moment d'administration de médicaments pour traiter une infection bactérienne, en se basant uniquement sur le taux de croissance de la bactérie dans certaines conditions. L'équipe, dirigée par le Dr Jacob Scott et son laboratoire de la Division théorique d'hématologie et d'oncologie translationnelles, a récemment publié ses résultats dans la revue Proceedings of the National Academy of Sciences.

On attribue aux antibiotiques une augmentation de l'espérance de vie moyenne aux États-Unis de près de dix ans. Ces traitements ont réduit la mortalité due à des problèmes de santé que nous considérons aujourd'hui comme mineurs, comme certaines coupures et blessures. Mais leur efficacité n'est plus aussi grande qu'autrefois, notamment en raison de leur utilisation massive.

« Les organisations de santé mondiales s'accordent à dire que nous entrons dans une ère post-antibiotiques », explique le Dr Scott. « Si nous ne changeons pas notre façon de lutter contre les bactéries, d'ici 2050, plus de personnes mourront d'infections résistantes aux antibiotiques que de cancer. »

Les bactéries se multiplient rapidement, produisant des mutants. L'abus d'antibiotiques favorise le développement de mutations résistantes aux traitements. Avec le temps, les antibiotiques tuent toutes les bactéries sensibles, ne laissant subsister que les mutants les plus résistants, que les antibiotiques ne peuvent pas éliminer.

Une stratégie utilisée par les médecins pour rationaliser le traitement des infections bactériennes est la rotation des antibiotiques. Le personnel soignant alterne entre différents antibiotiques au fil du temps. Ce changement de médicament réduit le temps de résistance des bactéries à une classe d'antibiotiques donnée. La rotation peut même rendre les bactéries plus sensibles à d'autres antibiotiques.

« La rotation des médicaments est prometteuse pour traiter efficacement les maladies », déclare Davis Weaver, Ph. D., premier auteur de l'étude et étudiant en médecine. « Le problème, c'est que nous ne connaissons pas la meilleure méthode. Il n'existe pas de normes concernant le type d'antibiotique à administrer, la durée d'administration ni l'ordre d'administration. »

Le Dr Jeff Maltas, co-auteur de l'étude et chercheur postdoctoral à la Cleveland Clinic, utilise des modèles informatiques pour prédire comment la résistance des bactéries à un antibiotique les affaiblit face à un autre. Il s'est associé au Dr Weaver pour déterminer si des modèles basés sur les données pouvaient prédire des schémas de rotation des médicaments qui minimisent la résistance aux antibiotiques et maximisent la sensibilité, malgré le caractère aléatoire de l'évolution bactérienne.

Le Dr Weaver a dirigé l'application de l'apprentissage par renforcement au modèle de rotation des médicaments, qui apprend à un ordinateur à tirer des leçons de ses erreurs et de ses réussites 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 de rotation des antibiotiques.

Simulation évolutionnaire 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 soutenir des prises de décision complexes, comme le calcul des schémas thérapeutiques antibiotiques, explique le Dr Maltas.

Le Dr Weaver explique qu'au-delà de la gestion de l'infection chez un patient donné, le modèle d'IA de l'équipe pourrait éclairer la prise en charge globale des infections par les hôpitaux. Lui et son équipe de recherche s'efforcent également d'étendre leurs travaux au-delà des infections bactériennes pour inclure d'autres maladies mortelles.

« Cette idée ne se limite pas aux bactéries; elle peut s'appliquer à tout objet susceptible de développer une résistance aux traitements », explique-t-il. « À l'avenir, nous pensons que ces types d'IA pourraient être utilisés pour gérer les cancers résistants aux traitements. »