בינה מלאכותית חשפה אנטיביוטיקה פוטנציאלית מפתיעה למאבק בהתנגדות לתרופות

תאר לעצמך שאתה צייד מאובנים. אתה מבלה חודשים בחום של אריזונה בחפירת עצמות רק כדי לגלות שמה שחשפת הוא מאש שהתגלה בעבר.

כך הסתיים החיפושים אחר אנטיביוטיקה לאחרונה. ציידי האנטיביוטיקה המעטים יחסית שיש בחוץתמשיך למצוא את אותם סוגי אנטיביוטיקה.

עם העלייה המהירה בעמידות לתרופות בפתוגנים רבים, יש צורך נואשות באנטיביוטיקה חדשה. יכול להיות שזה רק עניין של זמן לפניפצע או שריטה הופכים לסכנת חיים.

עם זאת, מעט אנטיביוטיקות חדשות נכנסו לשוק בזמן האחרון, ואפילו אלו הן רק גרסאות מינוריות של אנטיביוטיקה ישנה.

בעוד שהסיכויים נראים עגומים, המהפכה האחרונה ב(AI) מציעה תקווה חדשה. במחקר שפורסם ב-20 בפברואר בכתב העת Cell, מדענים מ-MIT והרווארדהשתמש בסוג של AI שנקרא למידה עמוקה כדי לגלות אנטיביוטיקה חדשה.

הדרך המסורתית לגלות אנטיביוטיקה - מתמציות אדמה או צמחים - לא חשפה מועמדים חדשים, ויש הרבהמכשולים חברתיים וכלכלייםגם לפתרון בעיה זו.

כמה מדענים ניסו לאחרונה להתמודד עם זה על ידי חיפוש חדש ב-DNA של חיידקיםגנים המייצרים אנטיביוטיקה. אחרים מחפשים אנטיביוטיקה במקומות אקזוטיים כגוןבאף שלנו.

תרופות שנמצאו בשיטות לא שגרתיות כאלה עומדות בפני דרך סלעית להגיע לשוק. התרופות היעילות בצלחת פטרי עשויות שלא לפעול היטב בתוך הגוף.

ייתכן שהם לא נספגים היטב או שיש להם תופעות לוואי. ייצור תרופות אלו בכמויות גדולות הוא גם אתגר משמעותי.

למידה עמוקה

היכנס ללמידה עמוקה. אלגוריתמים אלו מניעים רבות ממערכות זיהוי הפנים של ימינו ומכוניות לנהיגה עצמית. הם מחקים כיצד נוירונים במוח שלנו פועלים על ידי לימוד דפוסים בנתונים.

נוירון מלאכותי בודד - כמו חיישן מיני - עשוי לזהות דפוסים פשוטים כמו קווים או עיגולים. על ידי שימוש באלפי נוירונים מלאכותיים אלה, למידה עמוקה של AI יכולה לבצע משימות מורכבות ביותר כמו זיהוי חתולים בסרטונים או זיהוי גידולים בתמונות ביופסיה.

בהתחשב בכוחו והצלחתו, אולי לא יהיה מפתיע ללמוד שחוקרים שמחפשים תרופות חדשות מאמצים AI למידה עמוקה. אולם בניית שיטת AI לגילוי תרופות חדשות אינה משימה של מה בכך. במידה רבה, הסיבה לכך היא שבתחום הבינה המלאכותית אין ארוחת צהריים חינם.

האין משפט ארוחת צהריים חינםקובע כי אין אלגוריתם עדיף אוניברסלי. המשמעות היא שאם אלגוריתם מבצע ביצועים מרהיבים במשימה אחת, למשל זיהוי פנים, אז הוא ייכשל בצורה מרהיבה במשימה אחרת, כמו גילוי תרופות. מכאן שחוקרים לא יכולים פשוט להשתמש בבינה מלאכותית של למידה עמוקה מהמדף.

צוות הרווארד-MIT השתמש בסוג חדש של AI למידה עמוקה הנקראת רשתות עצביות גרפיות לגילוי תרופות. עוד בעידן האבן של AI של 2010, מודלים של AI לגילוי תרופות נבנו תוך שימוש בתיאורי טקסט של כימיקלים. זה כמו לתאר את פניו של אדם באמצעות מילים כמו "עיניים כהות" ו"אף ארוך".

מתארי טקסט אלו שימושיים אך כמובן אינם מציירים את התמונה כולה. שיטת הבינה המלאכותית שבה משתמש צוות הרווארד-MIT מתארת ​​כימיקלים כרשת של אטומים, מה שנותן לאלגוריתם תמונה שלמה יותר של הכימיקל ממה שתיאורי טקסט יכולים לספק.

ידע אנושי ו-AI לוחות ריקים

אולם למידה עמוקה לבדה אינה מספיקה כדי לגלות אנטיביוטיקה חדשה. זה צריך להיות יחד עם ידע ביולוגי עמוק של זיהומים.

צוות הרווארד-MIT אימן בקפידה את אלגוריתם הבינה המלאכותית עם דוגמאות של תרופות יעילות וכאלה שלא. בנוסף, הם השתמשו בתרופות שידוע כי הן בטוחות בבני אדם כדי לאמן את הבינה המלאכותית.

לאחר מכן הם השתמשו באלגוריתם AI כדי לזהות אנטיביוטיקה בטוחה אך חזקה ממיליוני כימיקלים.

בניגוד לאנשים, ל-AI אין דעות קדומות, במיוחד לגבי איך צריכה להיראות אנטיביוטיקה. באמצעות AI מהדור הישן, המעבדה שלי גילתה לאחרונה כמהמועמדים מפתיעים לטיפול בשחפת, כולל תרופה אנטי פסיכוטית.

במחקר של צוות הרווארד-MIT, הם מצאו מכרה זהב של מועמדים חדשים. תרופות מועמדות אלו אינן נראות כמו אנטיביוטיקה קיימת. מועמד מבטיח אחד הוא Halicin, תרופה הנבדקת לטיפול.

הליצין, באופן מפתיע, היה חזק לא רק נגדE. coli, החיידקים שעליהם הוכשר אלגוריתם הבינה המלאכותית, אך גם על פתוגנים קטלניים יותר, כולל אלו שגורמים לשחפת ודלקת במעי הגס.

יש לציין שהליצין היה חזק נגד עמיד לתרופותAcinetobacter baumanni. חיידק זה נמצא בראש רשימת הפתוגנים הקטלניים ביותרנערך על ידי המרכז לבקרת מחלות ומניעתן.

לרוע המזל, העוצמה הרחבה של הליצין מעידה על כך שהוא עלול גם להרוס חיידקים בלתי מזיקים בגופנו. עשויות להיות לה גם תופעות לוואי מטבוליות, מכיוון שהיא תוכננה במקור כתרופה נגד סוכרת. בהתחשב בצורך העז באנטיביוטיקה חדשה, אלו עשויים להיות קורבנות קטנים שיש לשלם כדי להציל חיים.

מקדים את האבולוציה

בהתחשב בהבטחה של Halicin, האם עלינו להפסיק את החיפוש אחר אנטיביוטיקה חדשה?

Halicin עשוי לפנות את כל המכשולים ובסופו של דבר להגיע לשוק. אבל זה עדיין צריך להתגבר על אויב בלתי פוסק שהוא הגורם העיקרי למשבר העמידות לתרופות: אבולוציה.

בני אדם זרקו תרופות רבות על פתוגנים במהלך המאה האחרונה. עם זאת פתוגנים תמיד פיתחו עמידות. אז סביר להניח שלא יעבור זמן רב עד שנתקל בזיהום עמיד להליצין.

עם זאת, עם הכוח של AI למידה עמוקה, אנו עשויים כעת להיות מתאימים יותר להגיב במהירות עם אנטיביוטיקה חדשה.

אתגרים רבים עומדים בפני אנטיביוטיקה פוטנציאלית שהתגלתה באמצעות AI כדי להגיע למרפאה. התנאים בהם נבדקות תרופות אלו שונות מאלו שבתוך גוף האדם.

כלי AI חדשים נבנים על ידי המעבדה שלי ואחרים כדילדמות את הסביבה הפנימית של הגוףכדי להעריך את עוצמת האנטיביוטיקה. מודלים של AI יכולים גם לחזות רעילות ותופעות לוואי של תרופות.

טכנולוגיות הבינה המלאכותית הללו יחד עשויות לתת לנו בקרוב רגל במאבק הבלתי נגמר נגד עמידות לתרופות.

[אתה חכם וסקרן לגבי העולם. כך גם המחברים והעורכים של The Conversation. אתה יכול לקרוא אותנו מדי יום על ידי הרשמה לניוזלטר שלנו.]

סרי רם צ'נדראסקארן, פרופסור עוזר להנדסה ביו-רפואית,אוניברסיטת מישיגן.

מאמר זה פורסם מחדש על ידיהשיחהתחת רישיון Creative Commons. קרא אתמאמר מקורי.