طراحی جدید کاتتر با کمک هوش مصنوعی به جلوگیری از عفونت های باکتریایی کمک می کند

باکتری‌ها شناگران فوق‌العاده خوبی هستند، ویژگی‌ای که می‌تواند برای سلامت انسان مضر باشد. یکی از شایع‌ترین عفونت‌های باکتریایی در یک محیط مراقبت‌های بهداشتی ناشی از ورود باکتری‌ها به بدن از طریق کاتترها، لوله‌های نازکی است که در دستگاه ادراری وارد می‌شود. اگرچه کاتترها برای بیرون کشیدن مایعات از بیمار طراحی شده‌اند، اما باکتری‌ها می‌توانند با استفاده از یک حرکت شنای منحصربه‌فرد خود را به سمت بالادست و به داخل بدن حرکت دهند و سالانه 300 میلیون دلار عفونت ادراری مرتبط با کاتتر را در ایالات متحده ایجاد کنند.

اکنون، یک پروژه بین رشته‌ای در Caltech نوع جدیدی از لوله کاتتر را طراحی کرده است که مانع از تحرک بالادست باکتری‌ها، بدون نیاز به آنتی‌بیوتیک یا سایر روش‌های ضد میکروبی شیمیایی می‌شود. با طراحی جدید، که با فناوری جدید هوش مصنوعی (AI) بهینه شده است، تعداد باکتری هایی که قادر به شنا در بالادست در آزمایش های آزمایشگاهی هستند، 100 برابر کاهش یافت.

مقاله “طراحی هندسی کاتترهای ضد عفونت با کمک هوش مصنوعی” در ژورنال منتشر شد. پیشرفت علم در 3 ژانویه

در لوله‌های کاتتر، سیال جریانی به‌اصطلاح Poiseuille را نشان می‌دهد، اثری که در آن حرکت سیال در مرکز سریع‌تر اما در نزدیکی دیوار کندتر است، مشابه جریان جریان رودخانه، جایی که سرعت آب از سرعت در مرکز متفاوت است. برای کاهش سرعت در نزدیکی بانک ها باکتری ها، به عنوان موجودات خودکششی، حرکت منحصر به فردی “دو مرحله به جلو در امتداد دیوار، یک قدم به عقب در وسط” را نشان می دهند که باعث پیشرفت آنها به سمت جلو در ساختارهای لوله ای می شود. محققان آزمایشگاه برادی قبلا این پدیده را مدلسازی کرده بودند.

تینگتائو ادموند ژو، محقق فوق دکترا در مهندسی شیمی و یکی از اولین همکاران، می‌گوید: «یک روز، من این پدیده جذاب را با کیارا دارائو در میان گذاشتم، و آن را به‌عنوان یک «چیز جالب» در قالب قاب قرار دادم، و پاسخ او گفت‌وگو را به سمت یک کاربرد عملی سوق داد. نویسنده مطالعه “تحقیقات کیارا اغلب با انواع هندسه های جالب بازی می کند، و او پیشنهاد کرد که این مشکل با هندسه های ساده حل شود.”

به دنبال این پیشنهاد، این تیم لوله هایی با برآمدگی های مثلثی مانند باله های کوسه در امتداد دیواره های داخلی لوله طراحی کردند. شبیه‌سازی‌ها نتایج امیدوارکننده‌ای به همراه داشت: این ساختارهای هندسی به طور مؤثری حرکت باکتری‌ها را تغییر مسیر دادند و آنها را به سمت مرکز لوله سوق دادند، جایی که جریان سریع‌تر آنها را به سمت پایین‌دست به عقب راند. انحنای باله‌مانند مثلث‌ها نیز گرداب‌هایی ایجاد کرد که پیشرفت باکتری‌ها را بیشتر مختل کرد.

ژو و همکارانش قصد داشتند طرح را به صورت آزمایشی تأیید کنند، اما به تخصص بیولوژیکی بیشتری نیاز داشتند. برای آن، ژو با اولیویا ژوان وان، محقق فوق دکترا در آزمایشگاه استرنبرگ تماس گرفت.

وان، که اولین نویسنده مقاله جدید نیز هست، می‌گوید: «من ناوبری نماتد را مطالعه می‌کنم، و این پروژه عمیقاً با علاقه تخصصی من به مسیر حرکت طنین‌انداز شد. برای سال‌ها، آزمایشگاه استرنبرگ تحقیقاتی را در مورد مکانیسم‌های ناوبری نماتد Caenorhabditis elegans انجام داده است، ارگانیسم خاکی به اندازه دانه برنج که معمولاً در آزمایشگاه‌های تحقیقاتی مورد مطالعه قرار می‌گیرد و بنابراین ابزارهای زیادی برای مشاهده و تجزیه و تحلیل حرکات موجودات میکروسکوپی دارد.

این تیم به سرعت از مدل‌سازی نظری به آزمایش عملی، با استفاده از لوله‌های کاتتر پرینت سه‌بعدی و دوربین‌های پرسرعت برای نظارت بر پیشرفت باکتری‌ها، گذر کردند. لوله‌های با آخال‌های مثلثی منجر به کاهش حرکت باکتری در بالادست با دو مرتبه بزرگی (کاهش 100 برابری) شدند.

سپس این تیم شبیه سازی ها را برای تعیین موثرترین شکل مانع مثلثی برای جلوگیری از شنای بالادست باکتری ها ادامه داد. سپس کانال‌های میکروسیالی مشابه لوله‌های کاتتر معمولی با طرح‌های مثلثی بهینه‌سازی شده برای مشاهده حرکت باکتری E. coli در شرایط جریان مختلف ساختند. مسیرهای مشاهده‌شده E. coli در این محیط‌های میکروسیال تقریباً کاملاً با پیش‌بینی‌های شبیه‌سازی‌شده همسو بودند.

این همکاری با هدف ادامه بهبود طراحی لوله هندسی افزایش یافت. کارشناسان هوش مصنوعی در آزمایشگاه Anandkumar روش‌های پیشرفته هوش مصنوعی به نام اپراتورهای عصبی را برای این پروژه ارائه کردند.

این فناوری می‌توانست محاسبات بهینه‌سازی طراحی کاتتر را تسریع کند، بنابراین آنها نه روزها بلکه به دقیقه‌ها نیاز داشتند. مدل به دست آمده تغییراتی را در طراحی هندسی پیشنهاد کرد و بهینه‌سازی بیشتر اشکال مثلثی برای جلوگیری از شنا کردن باکتری‌های بیشتر در بالادست. طراحی نهایی کارایی اشکال مثلثی اولیه را تا 5 درصد بیشتر در شبیه سازی ها افزایش داد.

ژو می‌گوید: «سفر ما از نظریه به شبیه‌سازی، آزمایش، و در نهایت، به پایش بلادرنگ در این مناظر میکروسیال، نمایش قانع‌کننده‌ای است از اینکه چگونه می‌توان مفاهیم نظری را زنده کرد و راه‌حل‌های ملموسی برای چالش‌های دنیای واقعی ارائه کرد.