Czy sztuczna inteligencja może przewidzieć antybiotykooporność?

Antybiotykooporność jest jednym z najpoważniejszych zagrożeń zdrowia publicznego XXI wieku. Bakterie ewoluują, nabywając zdolność do unikania działania leków, co sprawia, że leczenie infekcji staje się coraz trudniejsze. Sztuczna inteligencja (AI) otwiera nowe możliwości w przewidywaniu i monitorowaniu rozprzestrzeniania się oporności na antybiotyki. Czy może stać się kluczowym narzędziem w walce z superbakteriami?

W 2019 roku antybiotykooporność (AMR – Antimicrobial Resistance) była przyczyną ponad miliona zgonów na świecie. Nadużywanie antybiotyków, nieodpowiednie oczyszczanie ścieków oraz brak skutecznych mechanizmów monitorowania sprzyjają rozprzestrzenianiu się bakterii odpornych na wszelkie substancje, które mają je zwalczać. Problem ten nie ogranicza się jedynie do placówek medycznych – geny oporności na leki krążą w środowisku, przenosząc się przez wodę, glebę i żywność. Eksperci są świadomi, że aby wygrywać z groźnymi mikrobami konieczne jest nieustanne opracowywanie skutecznych strategii wykrywania i przewidywania oporności na antybiotyki, zanim sytuacja wymknie się nam spod kontroli. W tym kontekście na scenę wkracza sztuczna inteligencja, która może pomóc naukowcom w identyfikacji i śledzeniu oporności bakterii na niespotykaną dotąd skalę.

Najnowsze badania przeprowadzone przez zespoły z Małopolskiego Centrum Biotechnologii Uniwersytetu Jagiellońskiego oraz Wydziału Informatyki Uniwersytetu w Białymstoku, we współpracy z CAMDA (Critical Assessment of Massive Data Analysis) i projektem MetaSUB, wskazują na przełomowe możliwości AI w analizie antybiotykooporności. Uczenie maszynowe i metagenomika pozwalają na precyzyjne badanie ruchu genów oporności w przestrzeni miejskiej i szpitalnej, co może mieć istotne znaczenie dla zdrowia publicznego.

Bakterie nie tylko dziedziczą geny oporności podczas podziału komórkowego, ale również wymieniają je na kilka sposobów. Poprzez transformację, czyli pobieranie materiału genetycznego z otoczenia, koniugację, gdy dochodzi do bezpośredniego transferu DNA między bakteriami oraz transdukcję. To przenoszenie genów przez wirusy bakteryjne (bakteriofagi). Dzięki tym mechanizmom oporność na antybiotyki może błyskawicznie rozprzestrzeniać się w populacjach bakteryjnych. Sztuczna inteligencja rozkłada to zjawiska na czynniki pierwsze i umożliwia analizowanie tych złożonych procesów, śledzenie ruchu genów oporności oraz przewidywanie, gdzie i w jaki sposób mogą pojawić się nowe ogniska lekooporności.

Naukowcy za kluczowy obszar badań nad antybiotykoopornością uznają środowisko miejskie, w tym oczyszczalnie ścieków, szpitale czy zakłady przetwórstwa żywności. Projekty takie jak Konsorcjum MetaSUB, zrzeszające naukowców z ponad 100 krajów zajmują się sekwencjonowaniem DNA pobranego z przestrzeni publicznych – od stacji metra po przystanki autobusowe – pozwalając na monitorowanie i analizę miejskiego mikrobiomu. Te dane są następnie analizowane przez zaawansowane algorytmy AI. Krakowską edycję tego projektu koordynuje dr hab. inż. Paweł Łabaj z Małopolskiego Centrum Biotechnologii Uniwersytetu Jagiellońskiego.

W ramach badań porównano 143 próbki pobrane z przestrzeni miejskich oraz 145 próbek bakterii szpitalnych, w tym Escherichia coli, Klebsiella pneumoniae i Enterobacter hormaechei. Analiza markerów oporności wykazała, że sztuczna inteligencja może skutecznie przewidywać pojawianie się i rozprzestrzenianie genów oporności, co stanowi ważny krok w opracowywaniu strategii przeciwdziałania infekcjom lekoopornym. Wykorzystanie danych metagenomicznych oraz klinicznych, udostępnionych przez CAMDA, umożliwiło stworzenie mapy antybiotykooporności w miastach USA. Badania te pozwalają naukowcom śledzić migrację genów oporności oraz ich związki z warunkami środowiskowymi i działalnością człowieka. Naukowcy liczą, że wyniki badań będzie można implementować na całym świecie.