Inteligencia artificial permite predecir la evolución de la resistencia a antibióticos

Comparta este Artículo en:

La resistencia a los antibióticos es una de las mayores amenazas para la salud mundial.

Según un estudio del Centro Europeo para la Prevención y el Control de Enfermedades (ECDC, en sus siglas en inglés), cada año y sólo en Europa mueren más de 33.000 personas debido a infecciones provocados por bacterias que han desarrollado resistencias a los antibióticos.

Y, según la Organización Mundial de la Salud, el número de infecciones cuyo tratamiento se vuelve más difícil debido a la pérdida de eficacia de los antibióticos es cada vez mayor.

Es el caso, por ejemplo, de la neumonía, tuberculosis, gonorrea y salmonelosis.

Ya en 2018, la OMS alertaba de que, si no se toman medidas urgentes, el mundo está abocado a una era post-antibióticos en la que muchas infecciones comunes y lesiones menores volverán a ser potencialmente mortales.

En este contexto, una herramienta de Inteligencia Artificial desarrollada por investigadores de la Universitat Politècnica de València (UPV) y la Fundación para la Investigación Biomédica del Hospital Universitario Ramón y Cajal (FIBio-HRC), con la colaboración de la empresa tecnológica Biotech Vana S.L (España), permite predecir la evolución de las dinámicas de transmisión de las resistencias a antibióticos en las bacterias con una importante incidencia en los seres humanos, para poder actuar en el caso de que el escenario que prediga conlleve riesgos graves.

Denominada ARES (Antibiotic Resistance Evolution Simulator), en la actualidad se está utilizando en el Departamento de Microbiología del Hospital Universitario Ramón y Cajal de Madrid y en el Centro de Investigación en Red para la Epidemiología y la Salud Pública (CIBERESP).

En su desarrollo colaboró también la empresa tecnológica Biotech Vana S.L

“ARES ha sido completamente desarrollado bajo el paradigma de la computación con membranas y permite realizar predicciones de evolución de las resistencias a antibióticos considerado hoy en día como un problema de salud de primer orden tal y como ha declarado la OMS”, destaca José María Sempere, del Grupo de Investigación en Autómatas, Lenguajes Formales y sus Aplicaciones (ALFA)-Instituto VRAIN de la Universitat Politècnica de València.

La herramienta se basa en lo que se conoce como computación con membranas, que se inspira en el comportamiento de la célula viva eucariota y el procesamiento de la información que se realiza en clave biomolecular (mediante el ADN, el ARN y las proteínas).

Other drugs like cialis sample deeprootsmag.org, Online Kamagra are also recommended to follow some safety tips. But you don’t worry if you don’t have first aid training, and save someone’s life) Mouth-to-mouth resuscitation (i.e. inflating the lungs) The risk of heart complications and cardiac arrest after sex http://deeprootsmag.org/2016/11/03/to-autumn/ cialis generic purchase (and which, incidentally, also help reduce the likelihood of experiencing erectile dysfunction) can be reduced by making certain lifestyle changes: Exercise regularly – do physical activity for at least half an hour at least 5 days a week. You order viagra online deeprootsmag.org can engage in strength training to increase the body’s metabolic rate to increase the rate of the metabolism. Women may decide to re-connect viagra uk sales with them, but when they do it is really very serious.

Basándose en ella y mediante diferentes combinaciones algorítmicas es posible llegar a saber si un determinado antibiótico va a perder su efectividad, en uno u otro escenario.

La computación por membranas permite modelar a muchos niveles distintos aspectos de la resistencia a los antibióticos.

Se puede modelar, por ejemplo, el comportamiento de una bacteria que ha adquirido genes de resistencia.

“La idea es que una bacteria que haya adquirido o desarrollado las resistencias a antibióticos puede alojarse en una persona sana (sin bacterias con resistencias) y esta persona, a su vez, transmitir esas bacterias resistentes a otras personas a modo de epidemia.

Los escenarios pueden llegar a ser muy complejos y ARES tiene la capacidad de simularlos.

De este modo, nos permite anticipar qué pasaría bajo una serie de condiciones”, explica José María Sempere.

A nivel individual, ARES permite modelar la frecuencia y dosis necesaria para un paciente de un antibiótico con unas características determinadas.

“También podemos ver en función de la tasa de transmisión de genes de resistencia, cómo van creciendo las colonias de bacterias en lo que sería la microbiota de una persona.

En realidad, lo que hace la herramienta es dar una predicción exacta de lo que puede llegar a pasar, a nivel micro y a nivel macro y, a partir de ahí, si vislumbra un escenario poco favorable, poder corregirlo”, añade Sempere.

Fuente: Noticias de la Ciencia