人工智能可以开发治疗方法预防“超级细菌”

克利夫兰诊所的研究人员开发了一种人工智能（AI）模型，可以根据细菌在特定扰动下生长的速度来确定处方药物的最佳组合和时间安排，用于治疗细菌感染。该团队最近在PNAS上发表了他们的研究成果。

抗生素被认为使美国的平均寿命延长了近十年。治疗降低了我们现在认为是轻微问题的健康问题的死亡率，比如一些切口和伤口。但抗生素的效果不如以前那么好，部分原因是因为广泛使用。

“全球卫生机构都同意我们正在进入一个后抗生素时代，”Scott博士解释道。“如果我们不改变对待细菌的方式，到2050年，死于抗生素耐药感染的人将比死于癌症的人还要多。”

细菌复制迅速，产生突变后代。滥用抗生素给了细菌练习抵抗治疗的突变的机会。随着时间的推移，抗生素杀死了所有易感受的细菌，只留下了抗生素无法杀死的更强的突变体。

医生们采用的一种策略是现代化我们治疗细菌感染的方式，即抗生素循环。医疗保健提供者在特定时间段内在不同的抗生素之间轮换。在不同的药物之间切换给了细菌较少的时间来演变抵抗任何一类抗生素。循环甚至可以使细菌更容易受到其他抗生素的影响。

研究共同第一作者、医学博士韦弗表示：“药物循环在有效治疗疾病方面显示出了很多希望。” “问题在于我们不知道最佳的方法。在医院之间，没有关于给予哪种抗生素、持续多长时间和以什么顺序的标准。”

研究合著者马尔塔斯博士是克利夫兰诊所的博士后研究员，他使用计算机模型来预测细菌对一种抗生素的抵抗如何使其对另一种抗生素更加脆弱。他与韦弗博士合作，看看数据驱动的模型是否能够预测最小化抗生素抵抗性、最大化抗生素易感性的药物循环方案，尽管细菌演变的方式是随机的。

韦弗博士带领团队将强化学习应用于药物循环模型，这种方法教会计算机从错误和成功中学习，以确定完成任务的最佳策略。韦弗博士和马尔塔斯博士表示，这项研究是首次将强化学习应用于抗生素循环方案之一。

韦弗博士解释说，除了处理个体患者的感染外，团队的AI模型还可以指导医院如何全面治疗感染。他和研究团队还在努力将他们的工作拓展到细菌感染以外的致命疾病。

他说：“这个想法不仅限于细菌，它也可以应用于任何可能演变出治疗抵抗性的东西。” “将来，我们相信这些类型的AI也可以用于管理抗药性癌症。”