Resistenza agli antibiotici: le soluzioni che arrivano dall’intelligenza artificiale
Articolo pubblicato su Agenda Digitale.
L’antibiotico resistenza, accelerata dall’uso eccessivo di antibiotici, rappresenta una sfida globale per la salute pubblica. L’intelligenza artificiale emerge come strumento chiave, supportando previsioni sui profili di resistenza batterica e migliorando le decisioni cliniche. Innovazioni come i modelli di machine learning offrono nuove strategie per combattere la diffusione dei patogeni resistenti.
Perché la resistenza agli antibiotici è diventata un problema
L’antibiotico resistenza è un fenomeno che si verifica quando i batteri evolvono fino a sviluppare la capacità di resistere agli effetti degli antibiotici precedentemente efficaci nel trattarli. Questo fenomeno è un esempio di evoluzione microbica che avviene attraverso la selezione naturale: quando un batterio è esposto a un antibiotico, i batteri che possiedono mutazioni genetiche che li rendono resistenti hanno maggiori possibilità di sopravvivere e riprodursi. Di conseguenza, queste mutazioni si diffondono velocemente, fino a quando prevalgono i ceppi resistenti.
Nonostante la resistenza antimicrobica sia un fenomeno naturale, questo è stato accelerato dall’utilizzo eccessivo, spesso non necessario, di antibiotici in medicina umana e veterinaria.
Gli antibiotici vengono prescritti troppo frequentemente per infezioni virali, per le quali sono inefficaci. Inoltre, in molti paesi, gli antibiotici possono essere acquistati senza prescrizione medica, favorendo l’automedicazione. L’uso improprio degli antibiotici è spesso combinato con pratiche igieniche scarse e controlli delle infezioni inadeguati, sia negli ospedali che nella comunità. Questo facilita la diffusione dei batteri resistenti, specialmente nelle strutture sanitarie.
L’Organizzazione Mondiale della Sanità (OMS) ha identificato l’antibiotico resistenza come una delle dieci principali minacce per la salute pubblica globale.
Ceppi di batteri resistenti come Staphylococcus aureus resistente alla meticillina (MRSA), Escherichia coli resistente ai carbapenemi (CRE), e Mycobacterium tuberculosis multi-resistente sono solo alcuni esempi di patogeni che presentano una minaccia significativa.
Antibiotico-resistenza: una sfida globale per la salute pubblica
Già prima della pandemia di COVID-19, la resistenza antimicrobica (AMR) rappresentava una delle principali sfide globali per la salute pubblica. Secondo i dati forniti dall’Organizzazione Mondiale della Sanità, ogni anno in Europa si verificano oltre 670.000 infezioni causate da batteri resistenti a uno o più antibiotici, con circa 33.000 decessi correlati. La resistenza antimicrobica è un fenomeno naturale, principalmente dovuto a mutazioni genetiche nei microrganismi, ma l’abuso e l’uso eccessivo di antibiotici ne accelerano la diffusione, favorendo lo sviluppo di patogeni resistenti. Le aree con i più alti tassi di AMR sono situate nelle regioni meridionali ed orientali dell’Europa, con Italia e Grecia in testa per il numero di infezioni causate da batteri resistenti.
Attualmente, il metodo principale per individuare la resistenza antimicrobica si basa sui test di suscettibilità agli antimicrobici mediante coltura. Sebbene questo approccio sia considerato affidabile, richiede circa 24 ore per identificare il microrganismo e altre 48 ore per ottenere i risultati completi. Questo ritardo può influenzare negativamente il decorso clinico dei pazienti, poiché i medici sono costretti a iniziare terapie basate su ipotesi e linee guida generali, dato che è fondamentale intervenire tempestivamente.
Intelligenza artificiale e antibiotico resistenza
Le tecnologie di intelligenza artificiale (IA) e machine learning (ML) stanno acquisendo sempre più rilevanza in ambito medico, portandoci verso una medicina sempre più personalizzata e precisa. L’IA può essere utilizzata in vari modi per affrontare il problema della resistenza antimicrobica, come ad esempio nella progettazione di nuovi antibiotici o nella previsione di combinazioni farmacologiche sinergiche. Grazie a modelli addestrati su database di interazioni tra composti esistenti, è possibile sviluppare nuove strategie terapeutiche che ottimizzino i risultati clinici. Un gruppo di ricercatori di Singapore ha utilizzato modelli di ML per monitorare la resistenza antimicrobica e valutare l’appropriatezza delle prescrizioni antibiotiche: uno studio del 2020, condotto su 715 pazienti dell’Ospedale Tan Tock Seng, ha dimostrato che il 58,3% dei partecipanti non avrebbe avuto bisogno di antibiotici, grazie all’impiego di tre modelli di IA combinati.
È evidente che l’intelligenza artificiale potrà potenziare il supporto alle decisioni cliniche. La letteratura nel campo dell’IA e del ML applicati alla microbiologia evidenzia un crescente interesse per lo sviluppo di soluzioni innovative contro la resistenza antimicrobica. Strumenti come dashboard e interfacce user-friendly per la visualizzazione dei dati possono essere fondamentali per ricercatori e clinici permettendo loro di analizzare i trend della resistenza agli antibiotici, definire nuove politiche terapeutiche e valutare l’efficacia dei programmi di gestione degli antimicrobici.
Verso una prescrizione antibiotica più personalizzata
Dal nostro lavoro sullo sviluppo di nuovi modelli di intelligenza artificiale (IA) capaci di prevedere il profilo di resistenza di diverse specie batteriche sta emergendo che i modelli di apprendimento automatico applicati ai dati di suscettibilità antimicrobica possono fornire preziose previsioni sui profili di resistenza agli antibiotici, supportando i professionisti sanitari nella scelta della terapia più appropriata in tempo utile.
Questi modelli possono essere incorporati in un sistema di supporto decisionale clinico basato sui dati (CDSS) e integrati nel flusso di lavoro clinico, portando a una prescrizione antibiotica più personalizzata e fornendo ai professionisti sanitari un altro efficace strumento per offrire cure migliori e mitigare le conseguenze della resistenza antimicrobica.
