दवा-प्रतिरोधी संक्रमण-विशेष रूप से तपेदिक और स्टैफ जैसे घातक बैक्टीरिया से-एक बढ़ते वैश्विक स्वास्थ्य संकट हैं। इन संक्रमणों का इलाज करना कठिन होता है, अक्सर अधिक महंगी या विषाक्त दवाओं की आवश्यकता होती है और लंबे समय तक अस्पताल में रहने और उच्च मृत्यु दर के लिए जिम्मेदार होते हैं। विश्व स्वास्थ्य संगठन के अनुसार, अकेले 2021 में, 450,000 लोगों ने मल्टीरग-प्रतिरोधी तपेदिक विकसित किया, जिसमें उपचार की सफलता दर सिर्फ 57%तक गिर गई।
अब, तुलाने विश्वविद्यालय के वैज्ञानिकों ने एक नई कृत्रिम बुद्धिमत्ता-आधारित विधि विकसित की है जो अधिक सटीक रूप से एंटीबायोटिक प्रतिरोध के आनुवंशिक मार्करों का पता लगाता है माइकोबैक्टेरियम ट्यूबरक्यूलोसिस और स्टाफीलोकोकस ऑरीअस – संभावित रूप से तेजी से और अधिक प्रभावी उपचार के लिए अग्रणी।
एक तुलाने अध्ययन, में प्रकाशित प्रकृति संचारएक नए ग्रुप एसोसिएशन मॉडल (GAM) का परिचय देता है जो दवा प्रतिरोध से बंधे आनुवंशिक उत्परिवर्तन की पहचान करने के लिए मशीन लर्निंग का उपयोग करता है। पारंपरिक उपकरणों के विपरीत, जो गलती से असंबंधित उत्परिवर्तन को प्रतिरोध से जोड़ सकते हैं, GAM प्रतिरोध तंत्र के पूर्व ज्ञान पर भरोसा नहीं करता है, जिससे यह अधिक लचीला हो जाता है और पहले से अज्ञात आनुवंशिक परिवर्तनों को खोजने में सक्षम होता है।
संगठनों द्वारा उपयोग किए जाने वाले प्रतिरोध का पता लगाने के वर्तमान तरीके जैसे कि डब्ल्यूएचओ या तो बहुत लंबा समय लेते हैं-जैसे कि संस्कृति-आधारित परीक्षण-या कुछ डीएनए-आधारित परीक्षणों के साथ दुर्लभ उत्परिवर्तन को याद करते हैं। तुलाने का मॉडल पूरे जीनोम अनुक्रमों का विश्लेषण करके और जीवाणु उपभेदों के समूहों की तुलना करके दोनों समस्याओं को संबोधित करता है, जो आनुवंशिक परिवर्तनों को खोजने के लिए अलग -अलग प्रतिरोध पैटर्न के साथ हैं जो विशिष्ट दवाओं के प्रतिरोध को मज़बूती से इंगित करते हैं।
बायोटेक्नोलॉजी इनोवेशन में वेदरहेड प्रेसिडेंशियल चेयर और ट्यूलन सेंटर फॉर सेलुलर एंड मॉलिक्यूलर डायग्नोस्टिक्स के निदेशक टोनी हू, पीएचडी, पीएचडी, पीएचडी, पीएचडी, पीएचडी, पीएचडी के लिए यह बताने के लिए बैक्टीरिया के पूरे जेनेटिक फिंगरप्रिंट का उपयोग करने के रूप में इसके बारे में सोचें। “हम अनिवार्य रूप से एक कंप्यूटर को सिखा रहे हैं कि हम उन्हें पहले इंगित करने के लिए हमें आवश्यकता के बिना प्रतिरोध पैटर्न को पहचानें।”
अध्ययन में, शोधकर्ताओं ने GAM को 7,000 से अधिक उपभेदों पर लागू किया एमटीबी और लगभग 4,000 उपभेदों एस। औरियस, प्रतिरोध से जुड़े प्रमुख उत्परिवर्तन की पहचान करना। उन्होंने पाया कि GAM न केवल WHO के प्रतिरोध डेटाबेस की सटीकता से मेल खाता है या उससे अधिक है, बल्कि झूठी सकारात्मकता को भी काफी कम कर देता है, गलत तरीके से प्रतिरोध के मार्करों की पहचान की जाती है जिससे अनुचित उपचार हो सकता है।
“वर्तमान आनुवंशिक परीक्षण गलत तरीके से बैक्टीरिया को प्रतिरोधी के रूप में वर्गीकृत कर सकते हैं, रोगी की देखभाल को प्रभावित करते हैं,” सेलुलर और आणविक निदान के लिए तुलाने यूनिवर्सिटी सेंटर में एक स्नातक छात्र जूलियन सलीबा ने कहा। “हमारी विधि एक स्पष्ट तस्वीर प्रदान करती है, जिसमें उत्परिवर्तन वास्तव में प्रतिरोध का कारण बनता है, गलत निदान और उपचार के लिए अनावश्यक परिवर्तन को कम करता है।”
मशीन लर्निंग के साथ संयुक्त होने पर, सीमित या अपूर्ण डेटा के साथ प्रतिरोध की भविष्यवाणी करने की क्षमता में सुधार हुआ। चीन से नैदानिक नमूनों का उपयोग करते हुए सत्यापन अध्ययनों में, मशीन-लर्निंग ने मॉडल को बढ़ावा दिया, जो प्रमुख फ्रंट-लाइन एंटीबायोटिक दवाओं के प्रतिरोध की भविष्यवाणी करने में डब्ल्यूएचओ-आधारित तरीकों से बेहतर प्रदर्शन किया।
यह महत्वपूर्ण है क्योंकि प्रतिरोध को जल्दी पकड़ने से डॉक्टरों को संक्रमण फैलने या बिगड़ने से पहले सही उपचार को सही उपचार में मदद मिल सकती है।
विशेषज्ञ-परिभाषित नियमों की आवश्यकता के बिना प्रतिरोध का पता लगाने की मॉडल की क्षमता का मतलब यह भी है कि इसे संभावित रूप से अन्य बैक्टीरिया या यहां तक कि कृषि में भी लागू किया जा सकता है, जहां एंटीबायोटिक प्रतिरोध भी फसलों में एक चिंता का विषय है।
सलीबा ने कहा, “यह महत्वपूर्ण है कि हम कभी-कभी विकसित नशीली दवाओं के प्रतिरोधी संक्रमणों से आगे रहें।” “यह उपकरण हमें ऐसा करने में मदद कर सकता है।”
