عفونتهای مقاوم به دارو، بهویژه ناشی از باکتریهای مرگباری مانند سل و استافیلوکوک، به بحرانی فزاینده در سلامت جهانی تبدیل شدهاند. این نوع عفونتها درمان دشوارتری دارند، نیازمند داروهای گرانتر یا سمیتر هستند و به بستریهای طولانیتر و افزایش نرخ مرگومیر منجر میشوند. طبق آمار سازمان جهانی بهداشت، در سال ۲۰۲۱ بیش از ۴۵۰ هزار نفر به سل مقاوم به چند دارو مبتلا شدند و نرخ موفقیت درمان تنها به ۵۷ درصد کاهش یافت.
اکنون پژوهشگران دانشگاه تولین آمریکا موفق به توسعه مدلی هوشمند مبتنی بر هوش مصنوعی شدهاند که میتواند با دقت بیشتری شاخصهای ژنتیکی مقاومت آنتیبیوتیکی را در باکتریهای Mycobacterium tuberculosis (عامل سل) و Staphylococcus aureus شناسایی کند. این مدل نوآورانه، که با عنوان مدل گروهی ارتباطی (GAM) معرفی شده و در نشریه علمی Nature Communications منتشر شده، از یادگیری ماشینی برای تشخیص جهشهای ژنتیکی مرتبط با مقاومت دارویی بهره میبرد.
برخلاف روشهای سنتی که ممکن است جهشهای نامربوط را به اشتباه به مقاومت دارویی ربط دهند، مدل GAM نیازی به شناخت قبلی از مکانیسمهای مقاومت ندارد. این ویژگی باعث انعطافپذیری بیشتر آن شده و امکان شناسایی جهشهای ناشناخته را نیز فراهم میکند.
مدل دانشگاه تولین با تحلیل توالی کامل ژنوم بیش از ۷ هزار گونه M. tuberculosis و نزدیک به ۴ هزار گونه S. aureus توانسته جهشهای کلیدی مرتبط با مقاومت را شناسایی کند. نتایج نشان میدهد که دقت این مدل با پایگاه داده مقاومتی سازمان جهانی بهداشت برابری میکند یا حتی از آن پیشی میگیرد، در حالی که نرخ خطاهای مثبت کاذب (تشخیص اشتباه مقاومت) را بهشدت کاهش میدهد.
جولیان سلیبا، نویسنده اصلی این پژوهش، میگوید: «آزمایشهای ژنتیکی فعلی ممکن است باکتری را به اشتباه مقاوم تلقی کنند و این مسئله روند درمان را مختل میکند. روش ما تصویر شفافتری از جهشهای واقعی مرتبط با مقاومت ارائه میدهد.»
در آزمایشهای اعتبارسنجی با نمونههای بالینی از چین، مدل ترکیبی با یادگیری ماشینی، دقت بالاتری نسبت به روشهای مبتنی بر دادههای WHO در پیشبینی مقاومت نسبت به آنتیبیوتیکهای کلیدی نشان داد.
این دستاورد میتواند به پزشکان کمک کند تا درمان مناسب را پیش از پیشرفت عفونت آغاز کنند. همچنین به دلیل عدم وابستگی مدل به قوانین از پیش تعریفشده، قابلیت استفاده آن برای سایر باکتریها یا حتی در کشاورزی نیز وجود دارد.
سلیبا تأکید میکند: «ضروری است که از عفونتهای مقاوم به دارو که مدام در حال تغییرند، جلوتر باشیم. این ابزار میتواند به ما در این مسیر کمک کند.»
کد خبر ۲۰۱۰۴۰۱۲۰.۰۴۷
منبع: نیوزمدیکال
