تُمثل العدوى المقاومة للأدوية المضادات الحيوية مثل البكتيريا المسببة لمرض السل أزمة صحية وصعوبة بالعلاج، ولكن دراسة جديدة قد تحل هذه المشكلة، حيث طوّر علماء جامعة تولين الأمريكية، طريقة جديدة قائمة على الذكاء الاصطناعي، تكتشف بدقة أكبر العلامات وأسباب مقاومة المضادات الحيوية، مما قد يؤدي إلى علاجات أسرع وأكثر فعالية.

وبحسب تقرير نشر أمس الاثنين على موقع 'ميديكال إكسبريس'، تمثل نتائج الدراسة طريقة جديدة لمكافحة بكتيريا المتفطرة السلية، التي تتسبب في الإصابة بمرض السل أو داء الدرن، والمكورات العنقودية الذهبية التي تتسبب بطفح جلدي متقيح.

وحسب التقرير، تُمثل العدوى المقاومة للأدوية - وخاصةً تلك الناتجة عن بكتيريا قاتلة مثل السل والمكورات العنقودية الذهبية - أزمة صحية عالمية متنامية. يصعب علاج هذه العدوى، وغالباً ما تتطلب أدوية أكثر تكلفة أو سامة، كما أنها مسؤولة عن فترات إقامة أطول في المستشفى وارتفاع معدلات الوفيات، ففي عام 2021 وحده، أصيب 450 ألف شخص بمرض السل المقاوم للأدوية المتعددة، مع انخفاض معدلات نجاح العلاج إلى 57% فقط، وفقاً لمنظمة الصحة العالمية.كيف تفوق نموذج (GAM) للذكاء الاصطناعي؟

وفي الدراسة التي نُشرت نتائجها في مجلة ' Nature Communications'، طور الباحثون نموذج (GAM) الذي يستخدم الذكاء الاصطناعي لتحديد التحولات في جينات بكتيريا السل من أجل مقاومة المضادات الحيوية.

وقد تفوق نموذج (GAM) للذكاء الاصطناعي على الأدوات التقليدية في تحديد التحولات في الجينات، حيث كانت الأدوات التقليدية تربط بالخطأ بين تحولات لا علاقة لها بمقاومة ادوية المضادات الحيوية، أيضاً لا يعتمد نموذج (GAM) على المعرفة المسبقة بطرق وتحولات المقاومة، لكنه يبحث ويستكشف هذه الطرق مما يجعله أكثر مرونة وقدرة على اكتشاف التغيرات والتحولات الجينية غير المعروفة سابقاً.

وفي المقابل، فإن الطرق الحالية للكشف عن المقاومة التي تستخدمها منظمات مثل منظمة الصحة العالمية إما إنها تستغرق وقتاً طويلاً، مثل الاختبارات القائمة على المزرعة - أو لا تكتشف الطفرات والتحولات النادرة، كما هو الحال مع بعض الاختبارات القائمة على الحمض النووي، ويعالج نموذج (GAM) للذكاء الاصطناعي هاتين المشكلتين من خلال تحليل تسلسلات الجينوم الكاملة ومقارنة مجموعات من السلالات البكتيرية ذات أنماط المقاومة المختلفة للعثور على التغيرات الجينية التي تشير بشكل موثوق إلى مقاومة أدوية معينة.نُعلّم الحاسوب كيفية التعرف على أنماط المقاومة

قال المؤلف الرئيسي الدكتور توني هو، رئيس قسم ابتكار التكنولوجيا الحيوية في ويذرهيد ومدير مركز تولين للتشخيص الخلوي والجزيئي: 'تخيل الأمر كما لو كنا نستخدم البصمة الجينية الكاملة للبكتيريا للكشف عن ما يجعلها منيعة ضد مضادات حيوية معينة'. وأضاف: 'نحن في الأساس نُعلّم الحاسوب كيفية التعرف على أنماط المقاومة دون الحاجة إلى تحديدها من قبلنا'.

في هذه الدراسة، طبّق الباحثون نموذج (GAM) للذكاء الاصطناعي على أكثر من 7000 سلالة من السل وما يقرب من 4000 سلالة من المكورات العنقودية الذهبية، محددين الطفرات الرئيسية المرتبطة بالمقاومة. ووجدوا أن النموذج لم يطابق أو يتجاوز دقة قاعدة بيانات منظمة الصحة العالمية للمقاومة فحسب، بل قلّل أيضاً بشكل كبير من النتائج الإيجابية الكاذبة، وهي مؤشرات خاطئة للمقاومة قد تؤدي إلى علاج غير مناسب.

قال الباحث الرئيسي جوليان صليبا، وهو طالب دراسات عليا في مركز جامعة تولين للتشخيص الخلوي والجزيئي: 'توفر طريقتنا صورة أوضح عن الطفرات أو التحولات التي تُسبب المقاومة بالفعل، مما يُقلل من التشخيصات الخاطئة والتغييرات غير الضرورية في العلاج'.

عند دمجه مع التعلم الآلي، تحسّنت القدرة على التنبؤ بالمقاومة ببيانات محدودة، وهذا مهم لأن الكشف المبكر عن المقاومة يُساعد الأطباء على تصميم نظام العلاج المناسب قبل انتشار العدوى أو تفاقمها.تطبيق نموذج ( GAM ) على بكتيريا أخرى

إن قدرة النموذج على اكتشاف المقاومة دون الحاجة إلى قواعد مُحددة من قِبل الخبراء تعني أيضاً إمكانية تطبيقه على بكتيريا أخرى، أو حتى في الزراعة، حيث تُشكل مقاومة المضادات الحيوية مصدر قلق أيضاً في المحاصيل.

قال صليبا: 'من الضروري أن نبقى سابقين في مواجهة تطورات العدوى المقاومة للأدوية باستمرار. هذه الأداة يُمكن أن تُساعدنا في ذلك'.