Antibiotici: AI valuta pattern di resistenza

È stato messo a punto da ricercatori dell’Università Carlo III di Madrid, in Spagna, un sistema basato sull’intelligenza artificiale, che sarebbe in grado di identificare pattern di resistenza agli antibiotici, con lo scopo di aiutare a decidere quale trattamento dare a ciascuna tipologia di pazienti arrestare il diffondersi di batteri. Il sistema è stato descritto su Nature Communications da un team guidato da Pablo Catalan.

Generalmente, per valutare la resistenza agli antibiotici dei patogeni, si misura la cosiddetta MIC (minimum inhibitory concentration), che è la concentrazione minima di antibiotico capace di inibire la crescita batterica. Maggiore è la MIC contro un antibiotico e più elevata sarà la resistenza. Tuttavia, molti database pubblici contengono solo la frequenza di resistenza ai patogeni con dati aggregati calcolati dalle misurazioni MIC e da una soglia predefinita di resistenza.

Per lo studio del sistema di AI, invece, i ricercatori hanno utilizzato il database ATLAS, pubblico dal 2018, che contiene dati grezzi sulla resistenza agli antibiotici. In particolare, Catalan e colleghi hanno confrontato le informazioni su 600mila pazienti da più di 70 paesi e hanno usato metodi di machine learning per comprendere i pattern di evoluzione delle resistenze.

Dall’analisi dei dati, il team di ricerca ha scoperto che ci sono pattern di evoluzione delle resistenze che si possono rilevare usando i dati sulle MIC, ma non usando i dati aggregati. “Un chiaro esempio riguarda i patogeni la cui MIC è leggermente aumentata nel tempo, ma sotto la soglia di resistenza. Usando i dati sulla frequenza, dunque, saremo in grado di sapere poco ”, ha spiegato Catalan, secondo il quale, lo studio darebbe la possibilità di progettare trattamenti antibiotici che siano più efficaci nel controllare le infezioni resistenti.

Fonte: Nature Communications (2022) – doi: 10.1038/s41467-022-30635-7

Post correlati

Lascia un commento

*



SICS Srl | Partita IVA: 07639150965

Sede legale: Via Giacomo Peroni, 400 - 00131 Roma
Sede operativa: Via della Stelletta, 23 - 00186 Roma

Popular Science Italia © 2022