Kecerdasan buatan dapat mengembangkan perawatan untuk mencegah 'bakteri super'
Terakhir ditinjau: 14.06.2024
Semua konten iLive ditinjau secara medis atau diperiksa fakta untuk memastikan akurasi faktual sebanyak mungkin.
Kami memiliki panduan sumber yang ketat dan hanya menautkan ke situs media terkemuka, lembaga penelitian akademik, dan, jika mungkin, studi yang ditinjau secara medis oleh rekan sejawat. Perhatikan bahwa angka dalam tanda kurung ([1], [2], dll.) Adalah tautan yang dapat diklik untuk studi ini.
Jika Anda merasa salah satu konten kami tidak akurat, ketinggalan zaman, atau dipertanyakan, pilih dan tekan Ctrl + Enter.
Para peneliti di Klinik Cleveland telah mengembangkan model kecerdasan buatan (AI) yang dapat menentukan kombinasi dan waktu terbaik untuk meresepkan obat guna mengobati infeksi bakteri hanya berdasarkan laju pertumbuhan bakteri pada paparan tertentu. Sebuah tim yang dipimpin oleh Dr. Jacob Scott dan laboratoriumnya di Divisi Teoritis Hematologi dan Onkologi Translasional baru-baru ini mempublikasikan hasil penelitian mereka di Prosiding National Academy of Sciences. hal>
Antibiotik dianggap meningkatkan angka harapan hidup di Amerika Serikat selama hampir satu dekade. Perawatan ini mengurangi angka kematian akibat masalah kesehatan yang sekarang kita anggap kecil, seperti beberapa luka dan cedera. Namun, antibiotik tidak lagi berfungsi sebaik dulu, sebagian karena penggunaannya yang meluas.
“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 akan lebih banyak orang yang meninggal akibat infeksi yang kebal antibiotik dibandingkan akibat kanker.”
Bakteri berkembang biak dengan cepat, menghasilkan keturunan mutan. Penggunaan antibiotik yang berlebihan memberi kesempatan pada bakteri untuk mengembangkan mutasi yang resisten terhadap pengobatan. Seiring waktu, antibiotik membunuh semua bakteri yang rentan, hanya menyisakan mutan yang lebih kuat yang tidak dapat dihancurkan oleh antibiotik.
Salah satu strategi yang digunakan dokter untuk memodernisasi pengobatan infeksi bakteri disebut rotasi antibiotik. Penyedia layanan kesehatan bergantian menggunakan antibiotik yang berbeda selama periode waktu tertentu. Peralihan obat yang berbeda memberikan waktu yang lebih singkat bagi bakteri untuk mengembangkan resistensi terhadap salah satu golongan antibiotik. Rotasi bahkan dapat membuat bakteri lebih rentan terhadap antibiotik lain.
“Rotasi obat menunjukkan harapan dalam mengobati penyakit secara efektif,” kata penulis pertama studi dan mahasiswa kedokteran Davis Weaver, Ph.D. “Masalahnya adalah kita tidak tahu cara terbaik untuk melakukannya. Tidak ada patokan antibiotik apa yang harus diberikan, berapa lama, dan bagaimana urutannya.”
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. Dia bekerja sama dengan Dr. Weaver untuk mengeksplorasi apakah model berbasis data dapat memprediksi pola rotasi obat yang meminimalkan resistensi antibiotik dan memaksimalkan kerentanan antibiotik, 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 suatu tugas. Menurut Drs. Weaver dan Maltas, penelitian ini adalah salah satu penelitian pertama yang menerapkan pembelajaran penguatan pada rejimen rotasi antibiotik.
Simulasi evolusioner skema dan pendekatan optimasi yang teruji. Sumber : Prosiding National Academy of Sciences (2024). DOI: 10.1073/pnas.2303165121
“Pembelajaran penguatan adalah pendekatan yang ideal karena Anda hanya perlu mengetahui seberapa cepat bakteri tumbuh, yang relatif mudah untuk ditentukan,” jelas Dr. Weaver. “Ada juga ruang untuk variasi dan kesalahan manusia. Tidak perlu mengukur tingkat pertumbuhan hingga hitungan milidetik setiap saat.”
AI yang digunakan oleh 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 pasien secara individu, model AI yang dikembangkan tim dapat memberikan informasi bagaimana rumah sakit menangani infeksi secara keseluruhan. Ia dan tim penelitinya juga berupaya memperluas penelitian mereka selain infeksi bakteri hingga penyakit mematikan lainnya.
“Ide ini tidak terbatas pada bakteri saja, tapi bisa diterapkan pada apa saja yang bisa menimbulkan resistensi terhadap pengobatan,” ujarnya. “Di masa depan, kami yakin jenis AI ini dapat digunakan untuk menangani kanker yang resistan terhadap pengobatan.”