И зкуственият интелект е създал два нови потенциални антибиотика, които могат да унищожават устойчивата на лекарства гонорея и опасния MRSA, съобщиха изследователи, пише BBC.
Лекарствата са проектирани атом по атом от AI и са показали успех срещу „супербактериите“ при лабораторни експерименти и изпитвания върху животни.
Двете вещества обаче ще се нуждаят от години усъвършенстване и клинични тестове, преди да се появят в лекарските кабинети.
Екипът от Масачузетския технологичен институт (MIT), стоящ зад откритието, смята, че AI може да постави началото на „втори златен век“ в разработването на антибиотици.
Антибиотиците убиват бактериите, но днес инфекциите, които не се повлияват от лечение, причиняват над милион смъртни случаи годишно. Прекомерната им употреба е помогнала на микробите да се приспособят и да развият устойчивост, а нови антибиотици почти не са се появявали от десетилетия.
Досега AI се използваше основно за „пресяване“ на хиляди вече известни химични вещества, за да се открият онези, които може да послужат за основа на нови лекарства. Сега обаче учените от MIT са направили крачка напред, използвайки генеративен изкуствен интелект, който създава молекули от нулата – насочени специално към гонореята и MRSA (метицилин-резистентен Staphylococcus aureus), бактерия, която обичайно живее безвредно върху кожата, но може да причини тежки инфекции.
В проучването, публикувано в списание Cell, са анализирани 36 милиона съединения – включително такива, които не съществуват или все още не са синтезирани.
AI е бил „обучен“ с данни за химическата структура на известни съединения и информация дали те забавят растежа на различни бактерии. Така системата е научила как микробите реагират на различни молекулярни форми, изградени от атоми като въглерод, кислород, водород и азот.
Използвани са два подхода за създаване на нови антибиотици. При първия AI търси обещаващи „фрагменти“ в библиотека от милиони химически структури с размер между 8 и 19 атома и надгражда оттам. При втория изкуственият интелект получава пълна свобода да проектира молекулите от самото начало.
След създаването на водещите кандидати те са произведени и тествани върху бактерии в лабораторията и върху заразени мишки. Резултатът – два нови кандидата за бъдещи антибиотици.
„Развълнувани сме, защото показваме, че генеративният AI може да се използва за проектиране на напълно нови антибиотици“, казва пред BBC проф. Джеймс Колинс от MIT.
„AI може да ни позволи бързо и евтино да измисляме молекули, с което да разширим арсенала си и да получим предимство в битката между нашия разум и гените на супербактериите.“
Все още обаче лекарствата не са готови за клинични тестове. Очаква се усъвършенстването им да отнеме още една-две години, преди да започне дългият процес на тестове върху хора.
Д-р Андрю Едуардс от инициативата Fleming и Imperial College London определя работата като „много значима“ и с „огромен потенциал“, защото „демонстрира нов подход за откриване на антибиотици“. Но предупреждава:
„Въпреки че AI обещава драстично да ускори откриването и разработването на лекарства, пак трябва да извървим трудния път, когато става дума за проверка на безопасността и ефективността.“
Този процес е дълъг и скъп, без гаранция, че експерименталните лекарства ще стигнат до пациентите.
Някои специалисти настояват за по-широко усъвършенстване на AI в медицината. Проф. Колинс допълва: „Имаме нужда от по-добри модели, които не само да отчитат резултатите в лабораторията, но и да предсказват ефективността на лекарството в човешкото тяло.“
Има и производствени предизвикателства – от 80-те най-добри теоретични кандидата за лечение на гонорея, само два са били успешно синтезирани.
Проф. Крис Доусън от Университета на Уоруик определя изследването като „страхотно“ и подчертава, че AI е „значителна стъпка напред като инструмент за откриване на антибиотици с цел ограничаване на резистентността“. Но отбелязва и икономическия проблем: „Как да се произвеждат лекарства, които нямат търговска стойност?“
Ако бъде създаден нов антибиотик, идеалната практика е да се използва възможно най-рядко, за да се запази ефективността му – което прави печалбата за фармацевтичните компании трудна задача.
