כיצד יכולה בינה מלאכותית לסייע בשיפור הטיפול בשחפת?
הטיפול בשחפת Tuberculosis:
שחפת (Tuberculosis) הנגרמת עקב הדבקה בחיידקי Mycobacterium tuberculosis היא מחלה קשה המאופיינת בכאבים בחזה, שיעולים, כאבי ראש, ירידה במשקל ועוד. בשנת 2019, חלו בשחפת כ-10 מיליון בני אדם ומתו ממנה כ-1.4 מיליון, רובם במדינות מתפתחות. הקושי בריפוי המחלה נובע מהצורך ליטול שילוב של מספר אנטיביוטיקות שונות במשך חודשים רבים, מתוך אלפי אפשרויות קיימות של שילובי תרופות. הסיבה לכך היא שחיידקי השחפת מתנהגים בצורה שונה בסביבות שונות, ובמקרים רבים אף מפתחים עמידות לאנטיביוטיקות.
במחקר שהתפרסם לאחרונה ב- Cell Reports, מתארים החוקרים פיתוח של 'למידת מכונה' (machine learning), במטרה למצוא, בעזרת ניתוח נתונים שהתקבלו ממטופלים רבים, את השילוב האופטימלי של אנטיביוטיקות אשר ריפאו את המחלה ומנעו את חזרתה. כדי לוודא את יעילות השילובים, השתמשו החוקרים במודל (Relapsing Mouse Model (RMM המגדיר מה נחשב חזרתה של המחלה. על פי מודל זה, המחלה נחשבת כחוזרת כאשר נצפית צמיחה של חיידקי Mycobacterium tuberculosis בתרביות של דגימות רקמת ריאה 3 עד 6 חודשים לאחר הטיפול האנטיביוטי.
התברר כי למידת המכונה בעזרת מודל ה-RMM מאפשרת לחזות בצורה מדויקת שילובים אופטימליים בין אנטיביוטיקות שונות לטיפול יעיל במקרים שונים של מחלת השחפת ולמניעת חזרתה.
היום (11.12) חל יום הולדתו של רוברט קוך, מאבות המיקרוביולוגיה, שנולד בשנת 1843 והיה הראשון שתיאר ב- 1882 את החיידק הגורם לשחפת. קוך קיבל ב-1905 את פרס נובל לפיזיולוגיה ורפואה בעקבות גילוי זה.
למאמר המלא לחץ כאן
שאלות לדיון - הועלתה בקבוצת "הרצוג - מדברים מדע"
1. מה היתרון של שימוש במודלים של 'למידת מכונה' לשם מציאת תרופה יעילה לשחפת?
2. האם אפשר להשתמש במודל RMM לחיזוי תגובה לאנטיביוטיקה גם במחלות אחרות הנגרמות על ידי חיידקים?
Comments