ক্লিভল্যান্ড ক্লিনিকের গবেষকরা একটি কৃত্রিম বুদ্ধিমত্তা (AI) মডেল তৈরি করেছেন যা ব্যাকটেরিয়া সংক্রমণের চিকিত্সার জন্য ওষুধগুলি নির্ধারণ করার সময় ব্যবহার করার জন্য সর্বোত্তম সংমিশ্রণ এবং সময়সূচী নির্ধারণ করতে পারে কেবলমাত্র নির্দিষ্ট বিপর্যয়ের অধীনে ব্যাকটেরিয়া কত দ্রুত বৃদ্ধি পায় তার উপর ভিত্তি করে। জ্যাকব স্কট, এমডি, পিএইচডি এবং তার গবেষণাগারের নেতৃত্বে একটি দল সম্প্রতি অনুবাদমূলক হেমাটোলজি এবং অনকোলজি বিভাগে ন্যাশনাল একাডেমি অফ সায়েন্সেসের কার্যধারা.
অ্যান্টিবায়োটিকগুলিকে আমেরিকানদের গড় আয়ু প্রায় এক দশক বাড়ানোর কৃতিত্ব দেওয়া হয়। চিকিৎসাটি মৃত্যুর হার কমিয়েছে যা আমরা এখন ছোটখাটো স্বাস্থ্য সমস্যা হিসাবে বিবেচনা করি – যেমন কিছু কাটা এবং আঘাত। কিন্তু অ্যান্টিবায়োটিকগুলি এখন আর আগের মতো কার্যকর নয়, আংশিকভাবে তাদের ব্যাপক ব্যবহারের কারণে।
“বিশ্বব্যাপী স্বাস্থ্য সংস্থাগুলি একমত যে আমরা অ্যান্টিবায়োটিক-পরবর্তী যুগে প্রবেশ করছি,” ডঃ স্কট ব্যাখ্যা করেন৷ “যদি আমরা ব্যাকটেরিয়া ট্র্যাক করার উপায় পরিবর্তন না করি, 2050 সালের মধ্যে, ক্যান্সারের চেয়ে অ্যান্টিবায়োটিক-প্রতিরোধী সংক্রমণে বেশি লোক মারা যাবে।”
ব্যাকটেরিয়া দ্রুত প্রতিলিপি করে, মিউট্যান্ট বংশধর তৈরি করে। অ্যান্টিবায়োটিকের অত্যধিক ব্যবহার ব্যাকটেরিয়াকে উন্নয়নশীল মিউটেশন অনুশীলন করার সুযোগ দেয় যা চিকিত্সা প্রতিরোধ করে। সময়ের সাথে সাথে, অ্যান্টিবায়োটিকগুলি সমস্ত সংবেদনশীল ব্যাকটেরিয়াকে মেরে ফেলে, শুধুমাত্র শক্তিশালী মিউট্যান্টগুলি রেখে যায় যা অ্যান্টিবায়োটিকগুলিকে হত্যা করতে পারে না।
আমরা যেভাবে ব্যাকটেরিয়া সংক্রমণের চিকিৎসা করি তা আধুনিকীকরণের জন্য চিকিৎসকরা ব্যবহার করছেন একটি কৌশল হল অ্যান্টিবায়োটিক সাইকেল চালানো। স্বাস্থ্যসেবা প্রদানকারীরা নির্দিষ্ট সময়ের মধ্যে বিভিন্ন অ্যান্টিবায়োটিক ঘোরান। একটি ভিন্ন ওষুধে স্যুইচ করলে ব্যাকটেরিয়া যেকোন এক শ্রেণীর অ্যান্টিবায়োটিকের বিরুদ্ধে প্রতিরোধী হতে যে সময় নেয় তা কমিয়ে দিতে পারে। সাইকেল চালানো এমনকি ব্যাকটেরিয়াকে অন্যান্য অ্যান্টিবায়োটিকের প্রতি আরও সংবেদনশীল করে তুলতে পারে।
“ড্রাগ সাইকেল চালানো রোগের কার্যকরভাবে চিকিত্সা করার ক্ষেত্রে দুর্দান্ত প্রতিশ্রুতি দেখায়,” বলেছেন ডাঃ ডেভিস ওয়েভার, একজন মেডিকেল ছাত্র এবং গবেষণার প্রথম লেখক। “সমস্যা হল আমরা সর্বোত্তম পন্থা জানি না। কোন হাসপাতালে কোন অ্যান্টিবায়োটিক দিতে হবে, কতক্ষণ এবং কোন ক্রমে দেওয়া হবে তার মধ্যে কোন মানসম্মতকরণ নেই।”
অধ্যয়নের সহ-লেখক জেফ মার্টাস, পিএইচডি, ক্লিভল্যান্ড ক্লিনিকের একজন পোস্টডক্টরাল গবেষক, কম্পিউটার মডেল ব্যবহার করে ভবিষ্যদ্বাণী করেছেন যে কীভাবে ব্যাকটেরিয়া একটি অ্যান্টিবায়োটিকের প্রতি প্রতিরোধী হয়ে উঠছে তা অন্যটির প্রতি কম প্রতিরোধী করে তুলবে। ডাটা-চালিত মডেলগুলি ব্যাকটেরিয়া বিবর্তনের স্টোকাস্টিক প্রকৃতি থাকা সত্ত্বেও অ্যান্টিবায়োটিক প্রতিরোধকে কম করে এবং অ্যান্টিবায়োটিক সংবেদনশীলতা সর্বাধিক করে এমন ওষুধের সাইক্লিং পদ্ধতির ভবিষ্যদ্বাণী করতে পারে কিনা তা তদন্ত করতে তিনি ডাঃ ওয়েভারের সাথে সহযোগিতা করেন।
ডক্টর. ওয়েভার ড্রাগ সাইকেল মডেলগুলিতে শক্তিবৃদ্ধি শেখার প্রয়োগের নেতৃত্ব দেন, যা কম্পিউটারকে একটি কাজ সম্পূর্ণ করার জন্য সর্বোত্তম কৌশল নির্ধারণ করতে ভুল এবং সাফল্য থেকে শিখতে শেখায়। এই অধ্যয়নটি অ্যান্টিবায়োটিক সাইক্লিং থেরাপিতে শক্তিবৃদ্ধি শিক্ষা প্রয়োগের প্রথম একটি। তাঁতি ও মাল্টা মো.
“শক্তিবৃদ্ধি শেখার একটি আদর্শ পদ্ধতি কারণ আপনাকে শুধুমাত্র জানতে হবে যে ব্যাকটেরিয়া কত দ্রুত বৃদ্ধি পাচ্ছে, যা নির্ধারণ করা তুলনামূলকভাবে সহজ,” ডাঃ ওয়েভার ব্যাখ্যা করেছেন। “মানুষের ভিন্নতা এবং ত্রুটির জন্যও জায়গা আছে। আপনাকে প্রতিবার মিলিসেকেন্ডে নিখুঁতভাবে বৃদ্ধির হার পরিমাপ করতে হবে না।”
গবেষণা দলের কৃত্রিম বুদ্ধিমত্তা ব্যাকটেরিয়ার একাধিক স্ট্রেনের চিকিৎসার জন্য সবচেয়ে কার্যকর অ্যান্টিবায়োটিক সাইক্লিং সময়সূচী বের করতে পারে ই কোলাই এবং ড্রাগ প্রতিরোধের বিকাশ রোধ করে। ডাঃ মাল্টা বলেন, গবেষণায় দেখা গেছে এআই জটিল সিদ্ধান্ত গ্রহণকে সমর্থন করতে পারে, যেমন অ্যান্টিবায়োটিক চিকিৎসার বিকল্প গণনা করা।
ডাঃ ওয়েভার ব্যাখ্যা করেছেন যে পৃথক রোগীদের সংক্রমণ পরিচালনার পাশাপাশি, দলের এআই মডেল হাসপাতালগুলিকে কীভাবে সামগ্রিকভাবে সংক্রমণের চিকিত্সা করা যায় সে সম্পর্কে অবহিত করতে পারে। তিনি এবং তার গবেষণা দল ব্যাকটেরিয়া সংক্রমণের বাইরে অন্যান্য মারাত্মক রোগে তাদের কাজ প্রসারিত করার জন্যও কাজ করছেন।
“এই ধারণাটি ব্যাকটেরিয়ার মধ্যে সীমাবদ্ধ নয়, এটি চিকিত্সা প্রতিরোধের বিকাশে সক্ষম যে কোনও কিছুতে প্রয়োগ করা যেতে পারে,” তিনি বলেছিলেন। “ভবিষ্যতে আমরা বিশ্বাস করি যে এই ধরনের AI ওষুধ-প্রতিরোধী ক্যান্সারের চিকিৎসার জন্যও ব্যবহার করা যেতে পারে।”
সংক্রামক রোগ; মাইক্রোবায়োলজি;
উৎস লিঙ্ক