人工知能が「スーパーバグ」を防ぐ治療法を開発する可能性

クリーブランド クリニックの研究者は、特定の曝露下での細菌増殖率のみに基づいて、細菌感染症の治療薬を処方するための最適な組み合わせとタイミングを決定できる人工知能 (AI) モデルを開発しました。ジェイコブ スコット博士とトランスレーショナル血液学および腫瘍学理論部門の研究室が率いるチームは、最近、その結果を 米国科学アカデミー紀要 に発表しました。

抗生物質は、米国の平均寿命をほぼ 10 年延ばしたと言われています。この治療により、切り傷や怪我など、今では軽症とみなされる健康問題による死亡率は低下しました。しかし、抗生物質は、広く使用されていることもあり、かつてほどの効果はなくなりました。

「世界の保健機関は、ポスト抗生物質時代に入りつつあることに同意しています」とスコット博士は説明します。「細菌との戦い方を変えなければ、2050年までに、がんよりも抗生物質耐性感染症で亡くなる人の方が多くなります。」

細菌は急速に増殖し、突然変異した子孫を生み出します。抗生物質を過剰に使用すると、細菌は治療に耐性のある突然変異を起こす機会を得ます。時間が経つにつれて、抗生物質は感受性のある細菌をすべて殺し、抗生物質では破壊できないより強い突然変異体だけが残ります。

医師が細菌感染症の治療を近代化するために使用している戦略の1つは、抗生物質ローテーションです。医療従事者は、特定の期間にわたって異なる抗生物質を交互に使用します。異なる薬剤を切り替えると、細菌が1つのクラスの抗生物質に対して耐性を持つ時間が短くなります。ローテーションにより、細菌が他の抗生物質に対してより感受性になる可能性もある。

「薬剤ローテーションは、病気を効果的に治療する上で有望です」と、研究の筆頭著者で医学生のデイビス・ウィーバー博士は言う。「問題は、最善の方法がわからないことです。どの抗生物質を、どのくらいの期間、どのような順序で投与するかについての基準はありません。」

研究の共著者で、クリーブランド クリニックの博士研究員であるジェフ・マルタス博士は、コンピューター モデルを使用して、細菌が 1 つの抗生物質に対して耐性を持つと、別の抗生物質に対して弱くなることを予測します。彼はウィーバー博士と協力し、細菌の進化のランダムな性質にもかかわらず、データ駆動型モデルが抗生物質耐性を最小限に抑え、抗生物質感受性を最大限にする薬剤ローテーション パターンを予測できるかどうかを調べました。

ウィーバー博士は、コンピューターに間違いや成功から学び、タスクを完了するための最善の戦略を決定するよう教える、薬剤ローテーション モデルへの強化学習の適用を主導しました。ウィーバー博士とマルタス博士によると、この研究は、抗生物質ローテーション レジメンに強化学習を適用した最初の研究の 1 つです。

図式的な進化シミュレーションとテスト済みの最適化アプローチ。出典: Proceedings of the National Academy of Sciences (2024)。DOI: 10.1073/pnas.2303165121

「強化学習は、細菌の成長速度を知るだけでよいため、理想的なアプローチです。これは比較的簡単に判断できます」とウィーバー博士は説明します。「変動や人為的ミスの余地もあります。毎回成長率をミリ秒単位で測定する必要はありません。」

研究チームの AI は、複数の大腸菌株を治療し、薬剤耐性を防ぐために最も効果的な抗生物質ローテーション計画を導き出すことができました。この研究は、AI が抗生物質治療スケジュールの計算など、複雑な意思決定をサポートできることを示しているとマルタス博士は述べています。

ウィーバー博士は、個々の患者の感染症を管理することに加えて、チームの AI モデルは病院が感染症全体を治療する方法を知らせることができると説明しています。彼と彼の研究チームは、細菌感染症だけでなく、他の致命的な病気にも研究を広げようとしています。

「このアイデアは細菌に限定されず、治療に対する耐性を獲得する可能性のあるものすべてに適用できます」と彼は言います。 「将来、こうしたタイプの AI は治療に抵抗性のあるがんの治療に活用できると考えています。」