La inteligencia artificial podría desarrollar tratamientos para prevenir las "superbacterias

Investigadores de la Clínica Cleveland han desarrollado un modelo de inteligencia artificial (IA) que puede determinar la mejor combinación y el momento de administración de medicamentos para tratar una infección bacteriana basándose únicamente en la tasa de crecimiento de la bacteria en determinadas condiciones. El equipo, dirigido por el Dr. Jacob Scott y su laboratorio en la División Teórica de Hematología y Oncología Traslacional, publicó recientemente sus hallazgos en la revista Proceedings of the National Academy of Sciences.

Se atribuye a los antibióticos el aumento de la esperanza de vida promedio en Estados Unidos en casi una década. Los tratamientos redujeron las tasas de mortalidad por problemas de salud que ahora consideramos menores, como algunos cortes y lesiones. Sin embargo, los antibióticos ya no son tan eficaces como antes, en parte debido a su uso tan generalizado.

“Las organizaciones sanitarias mundiales coinciden en que estamos entrando en una era posantibióticos”, explica el Dr. Scott. “Si no cambiamos la forma en que combatimos las bacterias, para 2050 morirán más personas por infecciones resistentes a los antibióticos que por cáncer”.

Las bacterias se multiplican rápidamente y producen descendencia mutante. El uso excesivo de antibióticos les da la oportunidad de desarrollar mutaciones resistentes al tratamiento. Con el tiempo, los antibióticos eliminan todas las bacterias susceptibles, dejando solo las mutantes más fuertes que los antibióticos no pueden eliminar.

Una estrategia que utilizan los médicos para optimizar los tratamientos de las infecciones bacterianas se denomina rotación de antibióticos. Los profesionales sanitarios alternan entre diferentes antibióticos a lo largo del tiempo. Cambiar entre diferentes fármacos reduce el tiempo que las bacterias tardan en desarrollar resistencia a cualquier clase de antibiótico. La rotación puede incluso hacer que las bacterias sean más susceptibles a otros antibióticos.

“La rotación de fármacos es prometedora para el tratamiento eficaz de enfermedades”, afirma el primer autor del estudio y estudiante de medicina, Davis Weaver, PhD. “El problema es que no sabemos cuál es la mejor manera de hacerlo. No existen estándares sobre qué antibiótico administrar, durante cuánto tiempo ni en qué orden”.

El Dr. Jeff Maltas, coautor del estudio e investigador postdoctoral de la Clínica Cleveland, utiliza modelos informáticos para predecir cómo la resistencia de las bacterias a un antibiótico las debilita frente a otro. Colaboró con el Dr. Weaver para determinar si los modelos basados en datos podían predecir patrones de rotación de fármacos que minimizaran la resistencia a los antibióticos y maximizaran la susceptibilidad, a pesar de la naturaleza aleatoria de la evolución bacteriana.

El Dr. Weaver lideró la aplicación del aprendizaje por refuerzo al modelo de rotación de fármacos, que enseña a una computadora a aprender de sus errores y aciertos para determinar la mejor estrategia para completar una tarea. El estudio es uno de los primeros en aplicar el aprendizaje por refuerzo a los esquemas de rotación de antibióticos, según los Dres. Weaver y Maltas.

Simulación evolutiva esquemática y enfoques de optimización probados. Fuente: Actas de la Academia Nacional de Ciencias (2024). DOI: 10.1073/pnas.2303165121

“El aprendizaje por refuerzo es un enfoque ideal porque solo se necesita saber la velocidad de crecimiento de las bacterias, lo cual es relativamente fácil de determinar”, explica el Dr. Weaver. “Además, existe margen de error y variación humana. No es necesario medir la tasa de crecimiento con precisión de milisegundos cada vez”.

La IA del equipo de investigación logró determinar los planes de rotación de antibióticos más eficaces para tratar múltiples cepas de E. coli y prevenir la farmacorresistencia. El estudio demuestra que la IA puede facilitar la toma de decisiones complejas, como el cálculo de calendarios de tratamiento con antibióticos, afirma el Dr. Maltas.

El Dr. Weaver explica que, además de gestionar la infección en un paciente individual, el modelo de IA del equipo podría orientar el tratamiento de las infecciones en los hospitales en general. Él y su equipo de investigación también están trabajando para ampliar su trabajo más allá de las infecciones bacterianas a otras enfermedades mortales.

“Esta idea no se limita a las bacterias; puede aplicarse a cualquier objeto que pueda desarrollar resistencia al tratamiento”, afirma. “En el futuro, creemos que estos tipos de IA podrían utilizarse para controlar los cánceres resistentes al tratamiento”.