מחקר חדש של ה-Centres for Antimicrobial Optimization Network (CAMO-Net) באוניברסיטת ליברפול הראה ששימוש בבינה מלאכותית (AI) יכול לשפר את האופן שבו אנו מטפלים בדלקות בדרכי השתן (UTIs), ולעזור להתמודד עם עמידות מיקרוביאלית (AMR).
AMR מתרחשת כאשר חיידקים, וירוסים, פטריות וטפילים מתפתחים ואינם מגיבים עוד לטיפולים שפעם היו יעילים. התנגדות זו מובילה לאשפוזים ארוכים יותר, לעלויות רפואיות גבוהות יותר ולעלייה בשיעורי התמותה, מהווים איום משמעותי על בריאות הציבור ועלול להפוך זיהומים נפוצים לבלתי ניתנים לטיפול.
בדיקות אבחון UTI מסורתיות, הידועות כבדיקת רגישות לאנטי-מיקרוביאלית (AST), משתמשות בגישה אחת המתאימה לכולם כדי לקבוע איזו אנטיביוטיקה יעילה ביותר נגד זיהום חיידקי או פטרייתי ספציפי. מחקר חדש זה, שפורסם ב תקשורת טבעמציעה שיטה מותאמת אישית, תוך שימוש בנתונים בזמן אמת כדי לסייע לקלינאים למקד זיהומים בצורה מדויקת יותר ולהפחית את הסיכוי של חיידקים להפוך עמידים לטיפול אנטיביוטי.
המחקר, בהובלת ד"ר אלכס הווארד, יועץ למיקרוביולוגיה רפואית באוניברסיטת ליברפול וחוקר ב-Welcome Trust במימון CAMO-Net, השתמש בבינה מלאכותית כדי לבדוק מודלים של חיזוי עבור 12 אנטיביוטיקה תוך שימוש בנתוני חולים אמיתיים והשווה AST מותאם אישית עם תקן שיטות. הגישה האישית מונעת הנתונים הובילה לאפשרויות טיפול מדויקות יותר, במיוחד עם אנטיביוטיקה של WHO Access, הידועה בסבירות נמוכה יותר לגרום לעמידות.
ד"ר אלכס הווארד, אמר: "מחקר זה חשוב ונכון לשבוע המודעות העולמי ל-AMR מכיוון שהוא מראה כיצד שילוב של נתוני בריאות שגרתיים עם בדיקות מעבדה יכול לעזור לשמור על פעילות האנטיביוטיקה. על ידי שימוש בבינה מלאכותית כדי לחזות מתי לאנשים עם דלקות שתן יש באגים עמידים לאנטיביוטיקה, אנו מראים כיצד בדיקות מעבדה יכולות לכוון טוב יותר את הטיפול האנטיביוטי שלהם. גישה זו יכולה לשפר את הטיפול באנשים עם זיהומים ברחבי העולם ולסייע במניעת התפשטות העמידות לאנטיביוטיקה".
תוצאות מחקר זה מהוות צעד משמעותי קדימה בטיפול ב-AMR. על ידי מתן עדיפות לאנטיביוטיקה של קטגוריית הגישה של WHO והתאמת הטיפול לפרופילי רגישות אינדיבידואליים, גישת ה-AST המותאמת אישית לא רק משפרת את היעילות של תהליך הבדיקה אלא גם תומכת במאמצים העולמיים לשמר את היעילות של אנטיביוטיקה קריטית.
