Jump to content
Forum Kopalni Wiedzy
KopalniaWiedzy.pl

Sztuczna inteligencja w sekundę opracowuje plan radioterapii

Recommended Posts

Opracowanie planu radioterapii to skomplikowane zadanie, dlatego też nawet pacjenci, którzy potrzebują natychmiastowego wdrożenia leczenia muszą zwykle czekać kilka dni lub dłużej, aż lekarze opracują plan. Okazuje się jednak, że z pomocą może tutaj przyjść sztuczna inteligencja, która odpowiedni plan może przygotować w ułamku sekundy.

Niektórzy z takich pacjentów wymagają natychmiastowej radioterapii, ale lekarze odsyłają ich do domu i każą czekać. Opracowanie w czasie rzeczywistym planu leczenia jest bardzo ważne. To część naszego projektu, w ramach którego chcemy zaprząc SI do poprawy wszelkich aspektów walki z nowotworami, mówi doktor Steve Jiang, który kieruje Laboratorium Medycznej Sztucznej Inteligencji i Automatyzacji na UT Soutwestern Medical Center.

Radioterapia to często stosowana metoda walki z nowotworami. Badania pokazują, że w przypadku niektórych nowotworów odroczenie radioterapii o zaledwie tydzień zwiększa ryzyko nawrotu lub rozprzestrzenienia się choroby nawet o 14%. To właśnie takie dane stały się przyczyną, dla której zespół Jianga postanowił wykorzystać SI to pomocy w zaplanowaniu radioterapii. Od rozpoczęcia leczenia po przeliczenie dawek w miarę postępów leczenia.

Testy przeprowadzone za pomocą specjalnie opracowanego algorytmu wykazały, że jest on w stanie opracować optymalny plan leczenia zaledwie w ciągu 5/100 sekundy od momentu otrzymania danych dotyczących pacjenta.

Nowo opracowany algorytm korzystał z technik głębokiego uczenia się. Szkolono go na przykładzie 70 osób cierpiących na nowotwór prostaty, a przy uczeniu wykorzystano 4 algorytmy głębokiego uczenia się. Z czasem sztuczna inteligencja nauczyła się opracowywania optymalnego planu leczenia. Okazało się, że w przypadku każdego z tych pacjentów jest on taki sam, jak ten opracowany przez lekarzy.

To jednak nie wszystko. Algorytm był też w stanie przed każdą kolejną sesją radioterapii błyskawicznie obliczyć prawidłowe dawki promieniowania. Zwykle pacjenci przed każdą sesją przechodzą badanie, na podstawie którego obliczane są dawki.

Nowy algorytm korzysta z dwóch standardowych modeli obliczania dawki. Jednego szybkiego, który jednak jest mniej precyzyjny, i drugiego bardzo precyzyjnego, który jednak wymaga półgodzinnych obliczeń. SI, porównując na przykładzie wspomnianych 70 pacjentów wyniki obu modeli, nauczyła się, jak wykorzystać szybkość jednego i precyzję drugiego, by w czasie krótszym od sekundy uzyskać precyzyjne wyniki.

Naukowcy z UT Southwestern Medical Center mają teraz zamiar wykorzystać swój algorytm w codziennej praktyce klinicznej.


« powrót do artykułu

Share this post


Link to post
Share on other sites
9 godzin temu, KopalniaWiedzy.pl napisał:

Opracowanie planu radioterapii to skomplikowane zadanie, dlatego też nawet pacjenci, którzy potrzebują natychmiastowego wdrożenia leczenia muszą zwykle czekać kilka dni lub dłużej, aż lekarze opracują plan.

Może się czepiam, ale z tego co wiem, przynajmniej w Polsce to Fizycy Medyczni "opracowują plan", nie lekarze. Lekarz jest od "biologi i chemii" a nie od modelowania dawek i kalibrowania akceleratorów do radioterapii. 

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now

  • Similar Content

    • By KopalniaWiedzy.pl
      W 2017 roku Gregory Poore przeczytał w Science artykuł, którego autorzy opisywali mikroorganizmy obecne u pacjentów z nowotworami trzustki i informowali, że mikroorganizmy te rozkładają lek powszechnie stosowany przy leczeniu tego rodzaju nowotworu. Młodego naukowca zaintrygował wówczas pomysł, że wirusy i bakterie mogą mieć większy niż się sądzi udział w rozwoju nowotworów.
      Teraz Poore jako doktorant w University of California San Diego School of Medicine, pisze doktorat pod kierunkiem profesora Roba Knighta, dyrektora Center for Microbiome Innovation. Poore i Knight wraz z interdyscyplinarnym zespołem współpracowników stworzyli nowatorką metodę identyfikacji chorych na nowotwory. Ich metoda pozwala też często stwierdzić, jaki rodzaj nowotworu ma konkretna osoba. Diagnoza jest stawiana na podstawie analizy wzorców wirusowego i bakteryjnego DNA obecnych w krwi pacjenta.
      Dotychczas niemal zawsze uznawano, że guzy nowotworowe to środowisko sterylne i nie brano pod uwagę złożonych wzajemnych wpływów pomiędzy komórkami nowotworowymi, bakteriami, wirusami i innymi mikroorganizmami zamieszkującymi nasze ciała, mówi Knight. W naszych ciałach mamy więcej genów różnych mikroorganizmów niż naszych własnych genów, więc nic dziwnego, że na ich podstawie możemy zdobyć istotne informacje dotyczące naszego zdrowia, dodaje uczony.
      Naukowcy najpierw skorzystali z The Cancer Genome Atlas. To baza danych prowadzona przez amerykański Narodowy Instytut Raka i prawdopodobnie największa na świecie gaza zawierająca informacje na temat genów mikroorganizmów znalezionych z ludzkich guzach nowotworowych.
      Naukowcy mieli tam dostęp do 18 116 próbek guzów pobranych od 10 481 pacjentów z 33 rodzajami nowotworów. Zespół Knighta i Poore'a przeanalizował te dane w poszukiwaniu wzorców. Obok wzorców znanych, takich jak np. związek wirusa brodawczaka ludzkiego z rakiem szyjki macicy czy związek między Fusobacterium, a nowotworami układu pokarmowego, zauważono inne sygnatury mikroorganizmów, które były specyficzne dla różnych nowotworów. Stwierdzono np. że obecność Faecaliabacterium jest tym, co odróżnia raka jelita grubego od innych nowotworów.
      Na podstawie tych danych naukowcy wytrenowali setki modeli do maszynowego uczenia się i sprawdzali, czy są one w stanie powiązać wzorce genomu mikroorganizmów z konkretnymi nowotworami. Okazało się, że komputery są w stanie postawić diagnozę na podstawie samych tylko danych z genomu mikroorganizmów znalezionego we krwi pacjenta.
      W kolejnym etapie badań naukowcy usunęli z bazy dane dotyczące III i IV stopnia rozwoju nowotworów. Mimo to modele komputerowe nadal stawiały prawidłową diagnozę, co oznacza, że były w stanie odróżnić nowotwory na wcześniejszych etapach rozwoju. Jakby tego było mało, modele działały nawet wówczas, gdy z wykorzystywanej przez nie bazy usunięto ponad 90% danych.
      Uczeni postanowili pójść o krok dalej i sprawdzić, czy modele te przydadzą się do rzeczywistego diagnozowania chorych. W testach wzięło udział 59 pacjentów z nowotworem prostaty, 25 z nowotworem płuc i 16 z czerniakiem. Plazmę z krwi każdego z tych pacjentów porównano z innymi oraz z 69 zdrowymi osobami z grupy kontrolnej. Okazało się, że w większości przypadków modele były w stanie odróżnić osobę z nowotworem od osoby zdrowej. Komputery prawidłowo zidentyfikowało 86% osób z nowotworami płuc i 100% osób, których płuca były zdrowe. Często też były w stanie odróżnić typy nowotworów. Na przykład nowotwory płuc były w 81% przypadków prawidłowo odróżniane od nowotworu prostaty.
      Możliwość uzyskanie z jednej fiolki krwi profilu DNA guza i profilu DNA mikrobiomu pacjenta to ważny krok w kierunku lepszego zrozumienia interakcji pomiędzy gospodarzem a nowotworem, mówi onkolog Sandip Pravin. Takie narzędzie może w przyszłości pozwolić nie tylko na prostszą i szybszą diagnostykę nowotworów, ale również na śledzenie postępów choroby.
      Zanim jednak tego typu metoda wejdzie do użytku, konieczne będzie pokonanie wielu przeszkód. Przede wszystkim trzeba by ją przetestować na dużej grupie pacjentów. Ponadto konieczne będzie stworzenie definicji tego, jak wygląda skład genomu mikroorganizmów u zdrowych ludzi. Ponadto trzeba stworzyć metodę odróżniania, które z sygnatur genetycznych pochodzą od aktywnych mikroorganizmów, a które od nieaktywnych.
      Sami naukowcy już mówią, że sama diagnostyka to dopiero początek możliwości. Lepsze zrozumienie tego, w jaki sposób  wraz z rozwojem różnych nowotworów zmienia się populacja mikroorganizmów zamieszkujących nasze ciała, może otworzyć nowe możliwości terapeutyczne. Moglibyśmy dowiedzieć się, co te mikroorganizmy naprawdę robią, a może nawet zaprząc je do pracy przy zwalczaniu nowotworów.
      Ze szczegółowymi informacjami można zapoznać się na łamach Nature.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Kwasy tłuszczowe omega-3 nie chronią przed nowotworami, wynika z metaanalizy przeprowadzonej przez naukowców w University of East Anglia. Tymczasem spożycie tych tłuszczów jest szeroko promowane, gdyż mają chronić przed nowotworami, chorobami serca i udarami.
      Tomczasem analiza dwóch dużych studiów wykazała, że suplementacja kwasami omega 3 może nieco zmniejszyć ryzyko choroby niedokrwiennej serca i zgonu z nią związanego, ale nieco zwiększyć ryzyko nowotworu prostaty.
      Z badań wynika, że jeśli 1000 osób będzie przez 4 lata wzbogacało swoją dietę o kwasy omega-3, to w tym czasie 3 osoby mniej umrą na chorobę serca, sześć osób mniej doświadczy ataku serca lub podobnego wydarzenia, ale u 3 dodatkowych osób rozwinie się nowotwór prostaty. Wyniki badań opublikowano na łamach British Journal of Cancer oraz Cochrane Database of Systematic Reviews.
      W ramach analizy naukowcy przyjrzeli się wynikom 47 badań, w których brali udział dorośli, którzy nigdy nie mieli nowotworów, byli narażeni na zwiększone ryzyko nowotworu oraz już wcześniej zdiagnozowano u nich nowotwór, a także 86 badań mających na celu określenie związku spożycia omega-3 z ryzykiem chorób i zgonów na choroby układu krążenia.
      W badaniach tych brało udział w sumie około 110 000 osób, które losowo zostały przypisane do grup spożywających przez co najmniej rok więcej kwasów omega-3 lub nie zmieniających dotychczasowej diety. Główny autor, doktor Lee Hooper, stwierdził: Nasze wcześniejsze badania wykazały, że suplementy długołańcuchowych kwasów tłuszczowych omega-3, w tym tłuszcze rybie, nie chronią przed depresją, udarem, cukrzycą i nie zmniejszają ryzyka zgonu.
      Obecna duża systematyczna analiza zawierała dane pochodzące od wielu tysięcy ludzi badanych w długim okresie. Dane te jasno pokazują, że spożywanie przez wiele lat suplementów omega-3 może nieco zmniejszyć ryzyko rozwoju choroby serca, ale zostanie to zrównoważone niewielkim zwiększeniem ryzyka rozwoju niektórych nowotworów. Całościowy wpływ na zdrowie jest niewielki. Tym samym oddziaływanie tłuszczów rybich, bogatego źródła długołańcuchowych kwasów omega-3, nie jest jasne. Tłuszcze rybie to bardzo odżywczy składnik pożywienia, część zbilansowanej diety. Dostarczają one białka i energii oraz ważnych mikroelementów, takich jak selen, jod, witamina D czy wapń. Ich znaczenie daleko wybiega poza kwasy omega-3. Stwierdziliśmy jednak, że jeśli chodzi o zapobieganie nowotworom, to spożywanie omega-3 nie ma znaczenia. W rzeczywistości mogą one w minimalnym stopniu zwiększać ryzyko zachorowania na niektóre nowotwory, w szczególności na raka prostaty. Jednak ten niekorzystny wpływ jest równoważony przez niewielki dobroczynny wpływ na serce, stwierdzili naukowcy.
      Na koniec uczeni dodają, że biorąc pod uwagę zanieczyszczenie oceanów plastikiem oraz obawy związane z przemysłowym połowem ryb, jego wpływ na środowisko naturalne oraz zasoby ryb, wydaje się rozsądnym, by zaprzestać zalecania suplementów z tłuszczów rybich, gdyż nie przynosi to praktycznie żadnych skutków prozdrowotnych.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Międzynarodowy zespół naukowy miał wyjątkową okazję zbadania wczesnej fazy zainfekowania tkanek koronawirusem u pacjentów, u których jeszcze nie pojawiły się objawy COVID-19. Uczeni z University of Chicago oraz Zhongnan Hospital w Wuhan, badali tkankę płuc, którą usunięto pacjentom z powodu gruczolakoraka. Później okazało się, że już w czasie zabiegu osoby te były zarażone SARS-CoV-2. Pojawiła się więc unikatowa okazja przyjrzenia się bardzo wczesnemu stadium rozwoju COVID-19.
      To pierwsze badania opisujące patologię choroby spowodowanej przez SARS-CoV-2 czyli COVID-19. Dotychczas nie przeprowadzono bowiem biopsji ani autopsji. Jako, że obaj pacjenci w chwili operacji nie wykazywali objawów choroby, obserwowane przez nas zmiany to prawdopodobnie wczesne fazy patologii płuc wywołanej COVID-19, mówi jeden z głównych autorów badań Shu-Yuan Xiao z Chicago. Dzięki takiemu zbiegowi okoliczności może to być jedyna okazja, by zbadać wczesną fazę rozwoju choroby. Taka okazja może po raz drugi się nie powtórzyć. Autopsje czy biopsje pokażą nam bowiem późne lub końcowe stadia rozwoju, dodaje uczony.
      Dotychczas naukowcy wykonali opisy kliniczne choroby, znamy też opisy badań obrazowych. Jednak badań patologicznych jeszcze nie prowadzono. Przyczynami braku badań patologicznych z autopsji lub biopsji są m.in. gwałtowne pojawienie się epidemii, bardzo duża liczba pacjentów w szpitalach, niedostateczna liczba personelu medycznego oraz duża liczba zakażeń. To wszystko powoduje, że inwazyjne techniki diagnostyczne nie są obecnie priorytetem, zauważają autorzy badań.
      Szczęśliwie dla nauki zdarzyło się tak, że w czasie, gdy wybuchła epidemia, operowano dwie osoby, u których konieczne okazało się wycięcie tkanki płuc, a później okazało się, że w chwili operacji obie osoby były zarażone koronawirusem.
      Pierwsza z tych osób to 84-letnia kobieta. Przyjęto ją do szpitala po wykryciu guza w prawym płucu. Kobieta od 30 lat cierpiała na nadciśnienie, miała też cukrzycę. Mimo operacji i intensywnej opieki medycznej pacjentki nie udało się uratować. Później okazało się, że osoba, z którą leżała na jednej sali w szpitalu, była zainfekowana SARS-CoV-2.
      Drugim pacjentem był 73-letni mężczyzna u którego, również w prawym płucu, zauważono niewielkiego guza. Mężczyzna ten od 20 lat cierpiał na nadciśnienie. Dziewięć dni po operacji pojawiła się u niego gorączka, suchy kaszel, bóle w mięśniach i klatce piersiowej. Testy potwierdziły zarażenie SARS-CoV-2. Po 20 dniach leczenia na oddziale zakaźnym mężczyzna został wypisany do domu.
      Badania patologiczne tkanki płucnej pobranej od obu pacjentów wykazały, że oprócz guza widoczne są też w niej obrzęk, wysięk białkowy, ogniskowa reaktywna hiperplazja pneumocytów z niejednolitym zapalnym naciekiem komórkowym oraz komórczaki. Obecność zmian chorobowych na długo przed wystąpieniem objawów zgodne jest z długim okresem inkubacji COVID-19, który zwykle wynosi od 3 do 14dni.
      Mimo, że u badanej kobiety nigdy nie rozwinęła się gorączka, to jednak pełna morfologia krwi – szczególnie z 1. dnia po operacji – wykazała wysoki poziom białych krwinek i limfocytopenię, co jest zgodne z obrazem klinicznym COVID-19. Autorzy badań zauważają, że może być to pomocne spostrzeżenie na przyszłość. Naukowcy stwierdzili również, że czas, jaki upływa przed pojawieniem się pierwszych zmian chorobowych w płucach a pojawieniem się pierwszych objawów COVID-19 może być dość długi. Nawet u osób, które mają gorączkę, próbka pobrana z gardła do dalszych badań może dać wynik ujemny, gdyż wirus może nie być jeszcze obecny w górnych drogach oddechowych, pomimo wywołania stanu zapalnego w płucach.
      Odkrycia te wyjaśniają również, dlaczego na wczesnym etapie epidemii doszło do tak wielu zarażeń wśród pracowników służby zdrowia. Wiele osób zgromadziło się w szpitalach, nie wykazywali oni objawów, a przyjmujący ich lekarze i pielęgniarki nie byli odpowiednio chronieni.
      Autorzy powyższych badań mają nadzieję, że gdy zostaną też wykonane badania tkanek osób zmarłych i wykazujących objawy COVID-19, zyskamy pełniejszą wiedzę na temat choroby i jej rozwoju od samych początków do jej ostrej fazy. Pobrane próbki mogą też posłużyć do udoskonalenia testów diagnostycznych.
      Opis badań został udostępniony w sieci [PDF].

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Osoby starsze, które w ciągu dnia doświadczają senności, mogą być bardziej narażone na wystąpienie nowych problemów zdrowotnych, w tym cukrzycy, nowotworów czy nadciśnienia, informuje American Academy of Neurology. Takie wnioski płyną ze wstępnych badań, które zostaną opublikowane w czasie dorocznego spotkania Akademii na przełomie kwietnia i maja.
      Mowa tutaj o hipersomni, czyli występowania senności mimo przespania nocy, przedłużaniu się snu czy spaniu w czasie przeznaczonym na aktywność. Zwracanie uwagi na nadmierną senność u osób starszych może pomóc lekarzom we wcześniejszym wykryciu i zapobieżeniu przyszłym problemom zdrowotnym, mówi główny autor badań, Maurice M. Ohayon z Uniwersytetu Stanforda. Osoby starsze i członkowie ich rodzin powinni bliżej przyjrzeć się ich zwyczajom dotyczącym snu, by zrozumieć ryzyko związane z rozwojem poważnej choroby.
      W przeprowadzonych badaniach wzięło udział 10 930 osób, z czego 34% miało 65 lat i więcej. Z każdą z tych osób w odstępie trzech lat dwukrotnie przeprowadzono wywiad telefoniczny. Podczas  pierwszego wywiadu nadmierna senność była problemem u 23% osób powyżej 65. roku życia, a podczas drugiego – dla 24%. Wśród nich dla 41% hipersomnia była problemem chronicznym.
      Okazało się, że u osób, które w pierwszym wywiadzie poinformowały o nadmiernej senności, ryzyko wystąpienia cukrzycy i nadciśnienia było o 230% wyższe, niż u tych, którzy tego typu problemów nie mieli. W przypadku nowotworów wzrost ryzyka był o 200% wyższy, a ryzyko pojawienia się chorób serca rosło o 250%. Pomiędzy pierwszym a drugim wywiadem na cukrzycę zachorowało 6,2% osób, które były senne w ciągu dnia i 2,9% tych, którzy nie byli senni za dnia. Odsetek nowotworów wyniósł 2,4% u osób sennych i 0,8% u osób nie mających tego problemu. Wyniki były takie same, gdy zostały skorygowane o inne czynniki wpływające na sen, takie jak płeć czy bezdech senny.
      Z kolei u osób, które poinformowały o senności tylko w drugim wywiadzie, z większym o 50% prawdopodobieństwem pojawiały się choroby układu mięśniowo-szkieletowego i tkanek łącznych, takich jak artretyzm czy toczeń.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Algorytmy do maszynowego uczenia się pozwoliły specjalistom z MIT zidentyfikować nowe potężne antybiotyki. Podczas testów laboratoryjnych nowe związki zabiły jedne z najtrudniejszych w zwalczaniu bakterii chorobotwórczych, w tym szczepy oporne na działanie wszystkich znanych antybiotyków. Jakby tego było mało, umożliwiły one zwalczenie infekcji w dwóch różnych mysich modelach chorób.
      Naukowcy wykorzystali model komputerowy, który pozwala na przeanalizowanie w ciągu zaledwie kilku dni działania setek milionów związków chemicznych. Taka analiza pozwala na wybór do dalszych badań najbardziej obiecujących środków. Uczeni szukają związków, które zabijają bakterie w inny sposób, niż obecnie znane antybiotyki.
      Chcieliśmy stworzyć platformę, która pozwoliłaby nam na wykorzystanie sztucznej inteligencji do zapoczątkowania nowej epoki w odkrywaniu antybiotyków. Dzięki takiemu podejściu natrafiliśmy na zadziwiającą molekułę, która jest jednym z najpotężniejszych znanych antybiotyków, mówi profesor James Collins z MIT.
      Przy okazji zidentyfikowano wiele innych obiecujących kandydatów na antybiotyki. Substancje te dopiero będą testowane. Uczeni uważają, że ich model można wykorzystać również do projektowania nowych leków.
      Model maszynowego uczenia się pozwala nam masowo badać związki chemiczne. Przeprowadzenie takich badań w laboratorium byłoby niemożliwe ze względu na koszty, dodaje Regina Barzilay z Computer Science and Artificial Intelligencje Laboratory (CSAIL) na MIT.
      Przez ostatnich kilkadziesiąt lat wynaleziono niewiele nowych antybiotyków, a większość z tych nowych to lekko istniejące wersje wcześniej istniejących. Obecnie wykorzystywane metody badania związków chemicznych pod kątem ich przydatności do produkcji antybiotyków są niezwykle kosztowne, wymagają dużo czasu i zwykle pozwalają zbadać wąską grupę mało zróżnicowanych środków.
      Stoimy w obliczu rosnącej antybiotykooporności. Z jednej strony problem ten spowodowany jest coraz większą liczbą antybiotykoopornych patogenów, a z drugiej – powolnym postępem na tym polu, mówi Collins. Coraz częściej pojawiają się głosy, że ludzie mogą zacząć umierać na choroby zakaźne, na które nie umierali od dziesięcioleci. Dlatego też niezwykle pilnym zadaniem jest znalezienie nowych antybiotyków. Niedawno informowaliśmy o odkryciu antybiotyków, które zabijają bakterie w niespotykany dotąd sposób.
      Pomysł wykorzystania komputerów do identyfikowania potencjalnych antybiotyków nie jest nowy, dotychczas jednak obliczenia takie były albo niezwykle czasochłonne, albo niedokładne. Nowe sieci neuronowe znacznie skracają czas obliczeń.
      Naukowcy z MIT dostosowali swój model obliczeniowy tak, by poszukiwał związków chemicznych mogących być zabójczymi dla E. coli. Swój model trenowali na około 2500 molekuł, w tym na około 1700 lekach zatwierdzonych przez FDA i około 800 naturalnych produktach o zróżnicowanych strukturach i działaniu.
      Po zakończonym treningu sieć neuronowa została przetestowana na należącej do Broad Institute bazie Drug Repository Hub, która zawiera około 6000 związków. Algorytm znalazł tam molekułę, która miała strukturę inną od wszystkich istniejących antybiotyków i o której sądził, że będzie wykazywała silne działanie antybakteryjne. Naukowcy najpierw poddali tę molekułę badaniom za pomocą innego modelu maszynowego i stwierdzili, że prawdopodobnie jest ona mało toksyczna dla ludzi.
      Halicyna, bo tak nazwano tę molekułę, była w przeszłości badana pod kątem jej przydatności w leczeniu cukrzycy. Teraz naukowcy przetestowali ją na dziesiątkach szczepów bakterii pobranych od ludzi. Okazało się, że zabija ona wiele antybiotykoopornych patogenów, w tym Clostridium difficile, Acinetobacter bumannii czy Mycobacterium turebculosis. Jedynym patogenem, który oparł się jej działaniu była Pseudomonas aeruginosa, powodująca trudne w leczeniu choroby płuc.
      Po pomyślnych testach in vitro rozpoczęto badania na zwierzętach. Halicynę użyto do leczenia myszy zarażonej wcześniej opornym na działanie wszystkich znanych antybiotyków szczepem A. baumannii. Halicyna w ciągu 24 godzin zwalczyła infekcję u zwierząt.
      Wstępne badania sugerują, że nowy antybiotyk działa poprzez zaburzanie u bakterii możliwości utrzymania gradientu elektrochemicznego w błonie komórkowej. Gradient ten jest niezbędny m.in. do wytwarzania molekuły ATP, niezbędnego nośnika energii. Bakterie pozbawione ATP giną. Naukowcy uważają, że bakteriom będzie bardzo trudno nabyć oporność na taki sposób działania antybiotyku.
      Podczas obecnych badań uczeni stwierdzili, że w ciągu 30 dni leczenia u E. coli w ogóle nie rozwinęła się oporność na halicynę. Tymczasem np. oporność na cyprofloksacynę zaczyna się u E. coli rozwijać w ciągu 1-3 dni od podania, a po 30 dniach bakteria jest 200-krotnie bardziej oporn działanie tego środka.
      Po zidentyfikowaniu halicyny naukowcy wykorzystali swój model do przeanalizowania ponad 100 milionów molekuł wybranych z bazy ZINC15, w której znajduje się około 1,5 miliarda molekuł. Analiza trwała trzy doby, a sztuczna inteligencja znalazła 23 molekuły, które są niepodobne do żadnego istniejącego antybiotyku i nie powinny być toksyczne dla ludzi. Podczas testów in vitro stwierdzono, że 8 z tych molekuł wykazuje właściwości antybakteryjne, z czego 2 są szczególnie silne. Uczeni planują dalsze badania tych molekuł oraz analizę pozostałych związków z ZINC15.
      Naukowcy planują dalsze udoskonalanie swojego modelu. Chcą np. by poszukiwał on związków zdolnych do zabicia konkretnego gatunku bakterii, a oszczędzenia bakterii korzystnych dla ludzi.

      « powrót do artykułu
×
×
  • Create New...