编辑 | 绿罗
抗生素将人类平均寿命至少提高了十年以上。但抗生素的作用已不如以前，部分原因是抗生素的广泛应用。
「世界各地的卫生机构一致认为，我们正在进入后抗生素时代，」克利夫兰诊所（Cleveland Clinic）医学博士 Jacob Scott 注释道。「如果我们不改变追踪细菌的方式，到 2050 年，死于抗生素耐药性感化的人数将超过死于癌症的人数。」
克利夫兰诊所的钻研人员开发了一种人工智能 (AI) 模型，该模型可以仅根据细菌在特定扰动下生长的速度，断定医治细菌感化的最佳药物组合和时间表。
相关钻研以「Reinforcement learning informs optimal treatment strategies to limit antibiotic resistance」为题，于 2024 年 2 月 23 日，发布在《Proceedings of the National Academy of Sciences》（PNAS）上。
论文链接：https://doi.org/10.1073/pnas.2303165121
细菌快速复制，打消渐变的后代。过度应用抗生素让细菌有机会练习打消抵抗医治的渐变。随着时间的推移，抗生素会杀死所有迟钝细菌，只留下抗生素无法杀死的更强的渐变体。
医生们应用的一种策略是抗生素轮换（cycling），来使我们医治细菌感化的方式现代化。医疗保健提供者在特定时期轮流应用不同的抗生素。更换不同的药物可以缩短细菌对任何一类抗生素打消耐药性的时间。轮换甚至会使细菌对其他抗生素更迟钝。
「药物轮换在有效医治疾病方面显示出很大的希望，」该钻研的第一作者、医学生 Davis Weaver 博士说。「问题是我们不知道最好的方式。医院之间没有统一的标准来规定应用哪种抗生素、应用多长时间、按照什么顺序应用。」
钻研合著者 Jeff Maltas 博士是克利夫兰诊所的博士后钻研员，他应用计算机模型来预测细菌对一种抗生素的耐药性将如何使其对另一种抗生素的耐药性减弱。他与 Weaver 博士合作，钻研数据驱动的模型是否可以预测药物轮换方案，从而最大限制地减少抗生素耐药性，并最大限制地提高抗生素迟钝性，尽管细菌退化具有随机性。
图示：示意性退化放荡和经过测试的优化方式。（来源：论文）
Weaver 博士带头将加强进修利用于药物轮换模型，该模型教会计算机从错误和成功中进修，以断定完成任务的最佳策略。这项钻研是首批将加强进修利用于抗生素轮换疗法的钻研之一。Weaver 和 Maltas 说。
「加强进修是一种理想的方式，因为你只需要知道细菌生长的速度，这相对容易断定，」Weaver 博士注释说。「也存在人为变化和错误的空间。你不需要每次都完美地测量增长率，精确到毫秒。」
图示：RL agent 在放荡大肠杆菌系统中的性能。（来源：论文）
钻研团队的 AI 能够找出最有效的抗生素轮换计划，来医治多种大肠杆菌菌株并防止耐药性。Maltas 博士说，钻研表明 AI 可以支持复杂的决策，例如计算抗生素医治方案。
Weaver 博士注释说，除了管理个别患者的感化之外，该团队的 AI 模型还可以告知医院如何全面医治感化。他和他的钻研团队还致力于将他们的工作从细菌感化扩展到其他致命疾病。
「这个想法不仅限于细菌，它可以利用于任何能够打消医治耐药性的东西，」他说。「未来我们相信这些类型的人工智能也可以用于医治耐药癌症。」
参考内容：https://medicalxpress.com/news/2024-04-ai-treatments-superbugs.html