Kecerdasan buatan dapat mengembangkan pengobatan untuk mencegah 'bakteri super'

Para peneliti di Cleveland Clinic telah mengembangkan model kecerdasan buatan (AI) yang dapat menentukan kombinasi dan waktu terbaik pemberian obat untuk mengobati infeksi bakteri hanya berdasarkan pada laju pertumbuhan bakteri dalam kondisi tertentu. Tim yang dipimpin oleh Dr. Jacob Scott dan labnya di Divisi Teoritis Hematologi Translasional dan Onkologi, baru-baru ini menerbitkan temuan mereka dalam jurnal Proceedings of the National Academy of Sciences.

Antibiotik diyakini mampu meningkatkan harapan hidup rata-rata di Amerika Serikat hingga hampir satu dekade. Perawatan tersebut mengurangi angka kematian akibat masalah kesehatan yang sekarang kita anggap remeh, seperti beberapa luka dan cedera. Namun, antibiotik tidak lagi berfungsi sebaik dulu, sebagian karena penggunaannya yang sangat luas.

“Organisasi kesehatan global sepakat bahwa kita sedang memasuki era pasca-antibiotik,” jelas Dr. Scott. “Jika kita tidak mengubah cara kita melawan bakteri, pada tahun 2050 lebih banyak orang akan meninggal akibat infeksi yang resistan terhadap antibiotik daripada akibat kanker.”

Bakteri berkembang biak dengan cepat, menghasilkan keturunan mutan. Penggunaan antibiotik secara berlebihan memberi kesempatan pada bakteri untuk mengembangkan mutasi yang resistan terhadap pengobatan. Seiring berjalannya waktu, antibiotik membunuh semua bakteri yang rentan, hanya menyisakan mutan yang lebih kuat yang tidak dapat dibunuh oleh antibiotik.

Salah satu strategi yang digunakan dokter untuk menyederhanakan perawatan infeksi bakteri disebut rotasi antibiotik. Petugas kesehatan bergantian menggunakan berbagai antibiotik dari waktu ke waktu. Pergantian obat yang berbeda membuat bakteri memiliki lebih sedikit waktu untuk mengembangkan resistensi terhadap satu golongan antibiotik. Rotasi bahkan dapat membuat bakteri lebih rentan terhadap antibiotik lain.

"Rotasi obat menunjukkan hasil yang menjanjikan dalam mengobati penyakit secara efektif," kata penulis utama studi dan mahasiswa kedokteran Davis Weaver, PhD. "Masalahnya, kita tidak tahu cara terbaik untuk melakukannya. Tidak ada standar tentang antibiotik mana yang harus diberikan, untuk berapa lama, atau dalam urutan apa."

Rekan penulis studi Dr. Jeff Maltas, seorang peneliti pascadoktoral di Klinik Cleveland, menggunakan model komputer untuk memprediksi bagaimana resistensi bakteri terhadap satu antibiotik membuat mereka lebih lemah terhadap antibiotik lain. Ia bekerja sama dengan Dr. Weaver untuk melihat apakah model berbasis data dapat memprediksi pola rotasi obat yang meminimalkan resistensi antibiotik dan memaksimalkan kerentanan, meskipun evolusi bakteri bersifat acak.

Dr. Weaver memimpin penerapan pembelajaran penguatan pada model rotasi obat, yang mengajarkan komputer untuk belajar dari kesalahan dan keberhasilannya guna menentukan strategi terbaik untuk menyelesaikan tugas. Menurut Dr. Weaver dan Maltas, penelitian ini merupakan salah satu yang pertama menerapkan pembelajaran penguatan pada skema rotasi antibiotik.

Simulasi evolusi skematis dan pendekatan optimasi yang teruji. Sumber: Prosiding National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121

“Pembelajaran penguatan merupakan pendekatan yang ideal karena Anda hanya perlu mengetahui seberapa cepat bakteri tumbuh, yang relatif mudah untuk ditentukan,” jelas Dr. Weaver. “Ada juga kemungkinan terjadinya variasi dan kesalahan manusia. Anda tidak perlu mengukur laju pertumbuhan hingga milidetik setiap saat.”

AI milik tim peneliti mampu menemukan rencana rotasi antibiotik yang paling efektif untuk mengobati berbagai jenis E. coli dan mencegah resistensi obat. Studi tersebut menunjukkan bahwa AI dapat mendukung pengambilan keputusan yang kompleks, seperti menghitung jadwal pengobatan antibiotik, kata Dr. Maltas.

Dr. Weaver menjelaskan bahwa selain mengelola infeksi pada pasien perorangan, model AI tim tersebut dapat memberikan informasi tentang cara rumah sakit menangani infeksi secara keseluruhan. Ia dan tim penelitinya juga berupaya memperluas penelitian mereka dari sekadar infeksi bakteri ke penyakit mematikan lainnya.

"Ide ini tidak terbatas pada bakteri, tetapi dapat diterapkan pada objek apa pun yang dapat mengembangkan resistensi terhadap pengobatan," katanya. "Di masa mendatang, kami yakin bahwa jenis AI ini dapat digunakan untuk mengelola kanker yang resistan terhadap pengobatan."