Sztuczna inteligencja przewiduje, które superbakterie będą największym zagrożeniem do 2050 roku

Oporność na środki przeciwdrobnoustrojowe (AMR, antimicrobial resistance) należy do najpoważniejszych wyzwań zdrowia publicznego XXI wieku. Naukowcy z King’s College London opracowali nowatorski model prognostyczny wykorzystujący sztuczną inteligencję, analizę genomową oraz dane społeczno-ekonomiczne z 127 krajów, aby przewidzieć, które mechanizmy oporności bakterii będą stanowiły największe zagrożenie do 2050 roku. Wyniki opublikowane w Cell Genomics wskazują, że nierówności społeczne, ubóstwo i warunki sanitarne mogą odgrywać równie ważną rolę w rozprzestrzenianiu oporności jak samo stosowanie antybiotyków.

W artykule:

• Dlaczego AMR jest jednym z największych zagrożeń zdrowotnych świata
• Jak sztuczna inteligencja pomaga przewidywać przyszłe mechanizmy oporności
• Analiza ponad 45 tysięcy genomów bakterii z całego świata
• 32 najgroźniejsze mechanizmy oporności mogące dominować do 2050 roku
• Wpływ ubóstwa, warunków sanitarnych i dostępu do opieki zdrowotnej
• Znaczenie wyników dla globalnych strategii nadzoru i profilaktyki

Oporność na antybiotyki pozostaje globalnym zagrożeniem

Oporność na środki przeciwdrobnoustrojowe jest uznawana za jedno z najpilniejszych zagrożeń dla zdrowia publicznego na świecie. Eksperci przewidują, że w latach 2025–2050 może ona przyczynić się do około 39 milionów zgonów. Problem ten nie ogranicza się do pojedynczego patogenu czy pojedynczego genu oporności. Obejmuje złożoną sieć zależności pomiędzy bakteriami, genami, gospodarzami oraz czynnikami środowiskowymi i społecznymi.

Nowe badanie opublikowane w czasopiśmie Cell Genomics wykorzystało zaawansowane algorytmy uczenia maszynowego i metody prognostyczne do identyfikacji tych cech genetycznych bakterii, które w przyszłości mogą stać się najważniejszymi źródłami oporności na antybiotyki. Jednocześnie badacze ocenili, które mechanizmy oporności mogą z czasem tracić znaczenie.

Analiza danych z 127 krajów

Badanie objęło 16 gatunków bakterii uznanych przez Światową Organizację Zdrowia za krytyczne patogeny priorytetowe. Wśród nich znalazły się między innymi Klebsiella, Acinetobacter oraz Escherichia coli, które odpowiadają za znaczną liczbę ciężkich zakażeń i zgonów na całym świecie oraz często wykazują ograniczoną podatność na dostępne terapie.

Projekt został przeprowadzony w trzech głównych etapach. W pierwszej fazie naukowcy przeanalizowali ponad 45 tysięcy genomów bakterii wraz z danymi dotyczącymi oporności przeciwdrobnoustrojowej. Wykorzystując metody uczenia maszynowego, identyfikowano geny rzeczywiście związane z opornością na antybiotyki.

W drugim etapie oceniono ponad tysiąc wskaźników środowiskowych, zdrowotnych i społeczno-ekonomicznych. Analizie poddano między innymi poziom ubóstwa, zmiany klimatyczne, trendy demograficzne, jakość opieki zdrowotnej oraz warunki życia populacji.

Ostatnia część badania polegała na powiązaniu globalnych trendów społecznych i środowiskowych z występowaniem określonych mechanizmów oporności. Pozwoliło to na stworzenie modeli prognostycznych wskazujących, które zagrożenia będą najprawdopodobniej narastać do połowy XXI wieku.

210 mechanizmów oporności o rosnącym znaczeniu

Analizy wykazały istnienie 210 specyficznych dla poszczególnych patogenów cech związanych z AMR, których częstość występowania może wzrastać do 2050 roku. Następnie naukowcy zawęzili tę grupę do 32 szczególnie niebezpiecznych zagrożeń.

Do kategorii najwyższego ryzyka zakwalifikowano mechanizmy oporności obecne w priorytetowych patogenach WHO, zdolne do przenoszenia się pomiędzy różnymi gatunkami bakterii oraz występujące u wielu gospodarzy. Cechy te wykazywały również silny związek z czynnikami takimi jak śmiertelność, ubóstwo, dostęp do opieki zdrowotnej oraz gęstość zaludnienia.

Nierówności społeczne jako kluczowy czynnik ryzyka

Jednym z najważniejszych wniosków badania było wykazanie znaczenia nierówności społeczno-ekonomicznych dla rozwoju oporności przeciwdrobnoustrojowej. Czynniki takie jak przeludnienie, ograniczony dostęp do infrastruktury sanitarnej oraz niski poziom dochodów okazały się silnymi predyktorami wzrostu zagrożenia AMR.

Badacze podkreślają, że najbardziej niebezpieczne mechanizmy oporności są jednocześnie wyjątkowo mobilne. Mogą być przenoszone pomiędzy bakteriami, zwierzętami i ludźmi, co znacząco zwiększa tempo ich rozprzestrzeniania się w skali globalnej.

Sztuczna inteligencja wskazuje kierunki działań

Prof. Tania Dottorini z King’s College London, starsza autorka publikacji i profesor sztucznej inteligencji w nauce, podkreśla, że zastosowane podejście wieloskalowe i wielomodalne nie było wcześniej wykorzystywane w podobnych analizach.

Według badaczki identyfikacja mechanizmów oporności, które zwiększają swoją częstość występowania, określenie miejsc ich rozprzestrzeniania oraz zrozumienie czynników napędzających ten proces umożliwia skuteczniejsze ukierunkowanie monitoringu, polityki zdrowotnej oraz interwencji profilaktycznych.

Autorzy zwracają uwagę, że samo ograniczenie zużycia antybiotyków nie wystarczy do skutecznego zwalczania AMR. Konieczne są również działania strukturalne obejmujące zmniejszanie nierówności społecznych, poprawę warunków sanitarnych, walkę z niedożywieniem oraz zwiększanie równości w dostępie do opieki zdrowotnej.

Znaczenie dla przyszłych strategii zdrowia publicznego

Naukowcy mają nadzieję, że wyniki badania pomogą w opracowaniu skuteczniejszych globalnych strategii monitorowania oporności przeciwdrobnoustrojowej. Zamiast reagować dopiero po pojawieniu się nowych zagrożeń, systemy zdrowotne mogłyby wcześniej identyfikować najbardziej prawdopodobne kierunki rozwoju AMR i odpowiednio kierować zasoby.

Zdaniem autorów takie podejście pozwala przejść od strategii reaktywnej do proaktywnej, zwiększając szanse na ograniczenie skutków jednego z największych wyzwań współczesnej medycyny.

Źródło: Cell Genomics, Forecasting antimicrobial resistance threats using global genomic, environmental and socioeconomic data
DOI: https://doi.org/10.1016/j.xgen.2026.101273