זיהומים עמידים לתרופות – במיוחד מחיידקים קטלניים כמו שחפת וסטף – הם משבר בריאותי עולמי הולך וגובר. קשה יותר לטפל בזיהומים אלה, לרוב דורשים תרופות יקרות יותר או רעילות ואחראיות לשהות בבית חולים ארוכות יותר ולשיעורי תמותה גבוהים יותר. בשנת 2021 בלבד, 450,000 אנשים פיתחו שחפת עמידה בפני תרופות מרובות תרופות, כאשר שיעורי ההצלחה של הטיפול צנחו ל -57%בלבד, על פי ארגון הבריאות העולמי.
כעת, מדעני אוניברסיטת טוליין פיתחו שיטה חדשה מבוססת בינה מלאכותית המגלה בצורה מדויקת יותר סמנים גנטיים של עמידות לאנטיביוטיקה ב שחפת Mycobacterium וכן Staphylococcus aureus – עלול להוביל לטיפולים מהירים ויעילים יותר.
מחקר בטוליין, שפורסם ב תקשורת טבעמציג מודל אגודה קבוצתי חדש (GAM) המשתמש בלמידה מכונה כדי לזהות מוטציות גנטיות הקשורות להתנגדות לתרופות. בניגוד לכלים מסורתיים, שיכולים בטעות לקשר מוטציות לא קשורות להתנגדות, GAM אינו מסתמך על ידע קודם על מנגנוני התנגדות, מה שהופך אותו לגמיש יותר ומסוגל למצוא שינויים גנטיים שלא היו ידועים בעבר.
שיטות עכשוויות לאיתור התנגדות המשמשות ארגונים כמו ארגון הבריאות העולמי לוקח זמן רב מדי – כמו בדיקות מבוססות תרבות – או מיס מוטציות נדירות, כמו במבחנים מבוססי DNA. המודל של טוליין מטפל בשתי הבעיות על ידי ניתוח רצפי גנום שלמים והשוואה בין קבוצות של זנים חיידקיים עם דפוסי עמידות שונים כדי למצוא שינויים גנטיים המעידים באופן אמין עמידות לתרופות ספציפיות.
חשבו על זה כשימוש בטביעת האצבע הגנטית של החיידקים כדי לחשוף מה הופך אותה לחסין מפני אנטיביוטיקה מסוימת. אנו בעצם מלמדים מחשב לזהות דפוסי התנגדות מבלי להזדקק לנו להצביע עליהם קודם. "
טוני הו, דוקטורט, סופר בכיר, יו"ר הנשיאות של Weatherhead בחדשנות ביוטכנולוגיה ומנהל מרכז טוליין לאבחון סלולרי ומולקולרי
במחקר, החוקרים יישמו את ה- GAM על למעלה מ- 7,000 זנים של MTB וכמעט 4,000 זנים של S. aureus, זיהוי מוטציות מפתח הקשורות להתנגדות. הם גילו כי ה- GAM לא רק התאים או חרגו מהדיוק של מסד הנתונים של התנגדות ארגון הבריאות העולמי, אלא גם הפחיתו באופן דרסטי חיוביות שווא, זיהו באופן שגוי סמני התנגדות העלולים להוביל לטיפול בלתי הולם.
"בדיקות גנטיות עכשוויות עשויות לסווג בטעות חיידקים כעמידים, ומשפיעים על הטיפול בחולים", אמר סופר המוביל ג'וליאן סאליבה, סטודנט לתואר שני במרכז האוניברסיטאי לטולן לאבחון סלולרי ומולקולרי. "השיטה שלנו מספקת תמונה ברורה יותר של המוטציות למעשה גורמות להתנגדות, ומפחיתות אבחנות שגויות ושינויים מיותרים בטיפול."
בשילוב עם למידת מכונה, היכולת לחזות התנגדות עם נתונים מוגבלים או לא שלמים. במחקרי אימות באמצעות דגימות קליניות מסין, המודל המשופר ללימוד המכונה ביצע ביצועים טובים יותר מהשיטות מבוססות ארגון הבריאות העולמי בחיזוי התנגדות לאנטיביוטיקה מפתח בשורה הקדמית.
זה משמעותי מכיוון שתפיסת התנגדות מוקדמת יכולה לעזור לרופאים להתאים את משטר הטיפול הנכון לפני שהזיהום מתפשט או מחמיר.
היכולת של המודל לאתר התנגדות מבלי להזדקק לכללים המוגדרים על ידי מומחים פירושה גם שניתן ליישם אותו על חיידקים אחרים או אפילו בחקלאות, כאשר עמידות לאנטיביוטיקה מהווה גם דאגה בגידולים.
"חיוני שנמשיך להקדים זיהומים עמידים לתרופות המתפתחים", אמר סאליבה. "כלי זה יכול לעזור לנו לעשות זאת."
