人工知能が「スーパーバクテリア」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たちは、特定の条件下での細菌の増殖速度のみに基づいて、細菌感染症の治療に最適な薬剤の組み合わせと投与時期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・腫瘍学理論部門の研究室が率いるこの研究チームは、最近、その研究結果を米国科学アカデミー紀要（Proceedings of the National Academy of Sciences）に発表しました。

抗生物質は、米国の平均寿命を10年近く延ばしたとされています。抗生物質の投与により、切り傷や外傷など、現在では軽微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期待できなくなっています。

「世界の保健機関は、私たちが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する。「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による死亡者数の方が多いでしょう。」

細菌は急速に増殖し、突然変異を起こした子孫を生み出します。抗生物質の過剰使用は、細菌が治療に耐性を持つ突然変異を起こす機会を与えます。時間の経過とともに、抗生物質は感受性のある細菌をすべて死滅させ、抗生物質では死滅できないより強い突然変異体だけが残ります。

細菌感染症の治療を効率化するために医師が用いる戦略の一つに、抗生物質のローテーションがあります。医療従事者は、時間の経過とともに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ことで、細菌が特定の抗生物質に対する耐性を獲得する時間が短縮されます。ローテーションによって、細菌が他の抗生物質に対する感受性を高めることさえあります。

「薬剤ローテーションは、疾患の効果的な治療に有望です」と、本研究の筆頭著者で医学生のデイビス・ウィーバー博士は述べています。「問題は、最適な方法がわかっていないことです。どの抗生物質を、どのくらいの期間、どのような順番で投与すべきかという基準がないのです。」

クリーブランド・クリニックのポスドク研究員であり、本研究の共著者であるジェフ・マルタス博士は、コンピュータモデルを用いて、細菌が特定の抗生物質に対する耐性を持つと、別の抗生物質に対する耐性がどのように弱まるかを予測しています。マルタス博士はウィーバー博士と共同で、細菌の進化のランダム性を考慮しつつ、データ駆動型モデルを用いて、抗生物質耐性を最小限に抑え、感受性を最大化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検証しました。

ウィーバー博士は、強化学習を薬剤ローテーションモデルに適用する研究を主導しました。このモデルは、コンピューターに失敗と成功から学習させ、タスクを完了するための最善の戦略を決定することを可能にします。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計画に強化学習を適用した最初の研究の一つです。

概略的な進化シミュレーションと検証済みの最適化アプローチ。出典：米国科学アカデミー紀要（2024年）。DOI: 10.1073/pnas.2303165121

「強化学習は理想的なアプローチです。なぜなら、細菌の増殖速度さえ分かれば良いからです。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。「人間のばらつきや誤差も考慮に入れる必要があります。増殖速度を毎回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に成功しました。この研究は、AIが抗生物質治療スケジュールの計算など、複雑な意思決定を支援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、チームのAIモデルが個々の患者の感染症管理に留まらず、病院全体の感染症治療にも役立つ可能性があると説明しています。彼と研究チームは、細菌感染症だけでなく、他の致死性疾患にも研究対象を広げようと取り組んでいます。

「このアイデアは細菌に限らず、治療耐性を獲得する可能性のあるあらゆる対象物に適用できます」と彼は言う。「将来的には、この種のAIが治療抵抗性癌の治療にも活用できると考えています。」