செயற்கை நுண்ணறிவு 'சூப்பர் பக்'களைத் தடுப்பதற்கான சிகிச்சையை உருவாக்கலாம்

கிளீவ்லேண்ட் கிளினிக்கின் ஆராய்ச்சியாளர்கள் ஒரு செயற்கை நுண்ணறிவு (AI) மாதிரியை உருவாக்கியுள்ளனர், இது சில வெளிப்பாடுகளின் கீழ் பாக்டீரியா வளர்ச்சியின் விகிதத்தின் அடிப்படையில் மட்டுமே பாக்டீரியா தொற்றுக்கு சிகிச்சையளிக்க மருந்துகளை பரிந்துரைக்கும் சிறந்த கலவை மற்றும் நேரத்தை தீர்மானிக்க முடியும். டாக்டர். ஜேக்கப் ஸ்காட் தலைமையிலான குழு மற்றும் மொழிபெயர்ப்பு ஹெமாட்டாலஜி மற்றும் புற்றுநோயியல் கோட்பாட்டுப் பிரிவில் உள்ள அவரது ஆய்வகம் சமீபத்தில் தேசிய அறிவியல் அகாடமியின் செயல்முறைகள் இல் தங்கள் முடிவுகளை வெளியிட்டது. P>நுண்ணுயிர் எதிர்ப்பிகள் அமெரிக்காவில் ஏறக்குறைய ஒரு தசாப்தத்திற்கு ஆயுட்காலம் அதிகரிப்பதாகக் கருதப்படுகின்றன. சிகிச்சையானது சில வெட்டுக்கள் மற்றும் காயங்கள் போன்ற சிறிய உடல்நலப் பிரச்சினைகளால் இறப்பு விகிதத்தைக் குறைத்தது. இருப்பினும், நுண்ணுயிர் எதிர்ப்பிகள் முன்பு செய்ததைப் போல இனி வேலை செய்யாது, ஓரளவு அவற்றின் பரவலான பயன்பாட்டின் காரணமாக.

“ஆண்டிபயாடிக் சகாப்தத்திற்குப் பிந்தைய காலத்தில் நாம் நுழைகிறோம் என்பதை உலகளாவிய சுகாதார நிறுவனங்கள் ஒப்புக்கொள்கின்றன,” என்று டாக்டர் ஸ்காட் விளக்குகிறார். "பாக்டீரியாவை எதிர்த்துப் போராடும் முறையை நாம் மாற்றவில்லை என்றால், 2050-க்குள் புற்றுநோயை விட அதிகமான மக்கள் ஆண்டிபயாடிக்-எதிர்ப்பு நோய்த்தொற்றுகளால் இறப்பார்கள்."

பாக்டீரியாக்கள் வேகமாகப் பெருகி, பிறழ்ந்த சந்ததிகளை உருவாக்குகின்றன. நுண்ணுயிர் எதிர்ப்பிகளின் அதிகப்படியான பயன்பாடு பாக்டீரியாவுக்கு சிகிச்சையை எதிர்க்கும் பிறழ்வுகளை உருவாக்க வாய்ப்பளிக்கிறது. காலப்போக்கில், நுண்ணுயிர் எதிர்ப்பிகள் அனைத்து எளிதில் பாதிக்கப்படக்கூடிய பாக்டீரியாக்களைக் கொன்று, நுண்ணுயிர் எதிர்ப்பிகளால் அழிக்க முடியாத வலுவான மரபுபிறழ்ந்தவர்களை மட்டுமே விட்டுச் செல்கின்றன.

பாக்டீரியா நோய்த்தொற்றுகளுக்கான சிகிச்சையை நவீனமயமாக்க மருத்துவர்கள் பயன்படுத்தும் ஒரு உத்தி ஆண்டிபயாடிக் சுழற்சி என்று அழைக்கப்படுகிறது. சுகாதாரப் பாதுகாப்பு வழங்குநர்கள் குறிப்பிட்ட கால இடைவெளியில் வெவ்வேறு நுண்ணுயிர் எதிர்ப்பிகளுக்கு இடையில் மாறி மாறிச் செல்கின்றனர். வெவ்வேறு மருந்துகளுக்கு இடையில் மாறுவது பாக்டீரியாவுக்கு எந்த ஒரு வகை நுண்ணுயிர் எதிர்ப்பிகளுக்கும் எதிர்ப்பை உருவாக்க குறைந்த நேரத்தை அளிக்கிறது. சுழற்றுவது பாக்டீரியாவை மற்ற நுண்ணுயிர் எதிர்ப்பிகளுக்கு கூட எளிதில் பாதிக்கலாம்.

"மருந்து சுழற்சியானது நோய்க்கு திறம்பட சிகிச்சை அளிப்பதில் உறுதியளிக்கிறது" என்கிறார் ஆய்வின் முதல் ஆசிரியரும் மருத்துவ மாணவருமான டேவிஸ் வீவர், Ph.D. "பிரச்சனை என்னவென்றால், அதைச் செய்வதற்கான சிறந்த வழி எங்களுக்குத் தெரியவில்லை. எந்த ஆண்டிபயாடிக் கொடுக்க வேண்டும், எவ்வளவு நேரம், எந்த வரிசையில் கொடுக்க வேண்டும் என்பதற்கான தரநிலைகள் எதுவும் இல்லை.”

கிளீவ்லேண்ட் கிளினிக்கின் முதுகலை ஆராய்ச்சியாளரான டாக்டர். ஜெஃப் மால்டாஸ், ஒரு ஆண்டிபயாட்டிக்கு பாக்டீரியாவின் எதிர்ப்பை மற்றொன்றிற்கு எவ்வாறு பலவீனப்படுத்துகிறது என்பதைக் கணிக்க கணினி மாதிரிகளைப் பயன்படுத்துகிறார். பாக்டீரியா பரிணாமத்தின் சீரற்ற தன்மை இருந்தபோதிலும், ஆண்டிபயாடிக் எதிர்ப்பைக் குறைக்கும் மற்றும் ஆண்டிபயாடிக் பாதிப்பை அதிகப்படுத்தும் மருந்து சுழற்சி முறைகளை தரவு-உந்துதல் மாதிரிகள் கணிக்க முடியுமா என்பதை ஆராய அவர் டாக்டர் வீவருடன் இணைந்தார்.

டாக்டர். மருந்து சுழற்சி மாதிரிக்கு வலுவூட்டல் கற்றலைப் பயன்படுத்துவதற்கு வீவர் வழிவகுத்தார், இது ஒரு பணியை முடிப்பதற்கான சிறந்த உத்தியைத் தீர்மானிக்க கணினியை அதன் தவறுகள் மற்றும் வெற்றிகளிலிருந்து கற்றுக்கொள்ள கற்றுக்கொடுக்கிறது. டாக்டர் படி. வீவர் மற்றும் மால்டாஸ், இந்த ஆய்வு ஆண்டிபயாடிக் சுழற்சி முறைகளுக்கு வலுவூட்டல் கற்றலைப் பயன்படுத்துவதில் முதன்மையானது.

திட்டவியல் பரிணாம உருவகப்படுத்துதல் மற்றும் சோதிக்கப்பட்ட தேர்வுமுறை அணுகுமுறைகள். ஆதாரம்: தேசிய அறிவியல் அகாடமியின் செயல்முறைகள் (2024). DOI: 10.1073/pnas.2303165121

“வலுவூட்டல் கற்றல் ஒரு சிறந்த அணுகுமுறையாகும், ஏனென்றால் பாக்டீரியா எவ்வளவு வேகமாக வளர்கிறது என்பதை நீங்கள் அறிந்து கொள்ள வேண்டும், இது ஒப்பீட்டளவில் எளிதானது,” என்று டாக்டர் வீவர் விளக்குகிறார். "மாறுபாடு மற்றும் மனித தவறுகளுக்கு இடமும் உள்ளது. ஒவ்வொரு முறையும் மில்லி செகண்ட் வரை வளர்ச்சி விகிதத்தை அளவிட வேண்டிய அவசியம் இல்லை.”

ஆராய்ச்சிக் குழுவின் AI ஆனது E. Coli இன் பல விகாரங்களுக்கு சிகிச்சையளிப்பதற்கும் மருந்து எதிர்ப்பைத் தடுப்பதற்கும் மிகவும் பயனுள்ள ஆண்டிபயாடிக் சுழற்சித் திட்டங்களைக் கண்டுபிடிக்க முடிந்தது. ஆண்டிபயாடிக் சிகிச்சை அட்டவணைகளைக் கணக்கிடுவது போன்ற சிக்கலான முடிவெடுப்பதை AI ஆதரிக்க முடியும் என்று ஆய்வு காட்டுகிறது, டாக்டர் மால்டாஸ் கூறுகிறார்.

டாக்டர். ஒரு தனிப்பட்ட நோயாளியின் நோய்த்தொற்றை நிர்வகிப்பதைத் தவிர, குழுவின் AI மாதிரியானது மருத்துவமனைகள் ஒட்டுமொத்தமாக நோய்த்தொற்றுகளை எவ்வாறு நடத்துகின்றன என்பதைத் தெரிவிக்கலாம் என்று வீவர் விளக்குகிறார். அவரும் அவரது ஆராய்ச்சிக் குழுவும் பாக்டீரியா தொற்றுக்கு அப்பால் மற்ற கொடிய நோய்களுக்கும் தங்கள் பணியை விரிவுபடுத்தும் பணியில் ஈடுபட்டுள்ளனர்.

"இந்த யோசனை பாக்டீரியாவுடன் மட்டுப்படுத்தப்படவில்லை, ஆனால் சிகிச்சைக்கு எதிர்ப்பை வளர்க்கக்கூடிய எதற்கும் பயன்படுத்தலாம்," என்று அவர் கூறுகிறார். "எதிர்காலத்தில், சிகிச்சை-எதிர்ப்பு புற்றுநோய்களை நிர்வகிக்க இந்த வகையான AI பயன்படுத்தப்படலாம் என்று நாங்கள் நம்புகிறோம்."