Immagina di essere un cacciatore di fossili. Trascorri mesi nel caldo dell'Arizona scavando ossa solo per scoprire che ciò che hai scoperto proviene da un dinosauro scoperto in precedenza.

È così che la ricerca di antibiotici è andata a buon fine di recente. I relativamente pochi cacciatori di antibiotici là fuori continuano a trovare gli stessi tipi di antibiotici.

Con il rapido aumento della resistenza ai farmaci in molti agenti patogeni, sono disperatamente necessari nuovi antibiotici. Potrebbe essere solo una questione di tempo prima che una ferita o un graffio diventi pericoloso per la vita. Eppure pochi nuovi antibiotici sono entrati nel mercato negli ultimi tempi, e anche queste sono solo varianti minori di vecchi antibiotici.

Mentre le prospettive sembrano fosche, la recente rivoluzione nell'intelligenza artificiale (AI) offre nuove speranze. In uno studio pubblicato il 20 febbraio sulla rivista Cellula , scienziati del MIT e di Harvard hanno utilizzato un tipo di intelligenza artificiale chiamato deep learning per scoprire nuovi antibiotici.

Il modo tradizionale di scoprire gli antibiotici, dal suolo o da estratti vegetali, non ha rivelato nuovi candidati, e ci sono molti ostacoli sociali ed economici per risolvere questo problema, anche. Alcuni scienziati hanno recentemente cercato di affrontarlo cercando nel DNA dei batteri nuovi geni produttori di antibiotici. Altri cercano antibiotici in luoghi esotici come il nostro naso.

I farmaci trovati attraverso metodi così non convenzionali affrontano una strada difficile per raggiungere il mercato. I farmaci che sono efficaci in una capsula di Petri potrebbero non funzionare bene all'interno del corpo. Potrebbero non essere assorbiti bene o potrebbero avere effetti collaterali. Anche la produzione di questi farmaci in grandi quantità è una sfida significativa.

Apprendimento profondo

Entra nell'apprendimento profondo. Questi algoritmi alimentano molti dei sistemi di riconoscimento facciale e delle auto a guida autonoma odierni. Imitano il modo in cui operano i neuroni nel nostro cervello apprendendo modelli nei dati. Un singolo neurone artificiale, come un mini sensore, potrebbe rilevare schemi semplici come linee o cerchi. Usando migliaia di questi neuroni artificiali, L'intelligenza artificiale per il deep learning può eseguire attività estremamente complesse come riconoscere i gatti nei video o rilevare i tumori nelle immagini biopsie.

Data la sua potenza e il suo successo, potrebbe non sorprendere sapere che i ricercatori alla ricerca di nuovi farmaci stanno abbracciando l'intelligenza artificiale per il deep learning. Eppure costruire un metodo di intelligenza artificiale per scoprire nuovi farmaci non è un compito banale. In gran parte, questo perché nel campo dell'IA non c'è il pranzo gratis.

Il teorema No Free Lunch afferma che non esiste un algoritmo universalmente superiore. Ciò significa che se un algoritmo si comporta in modo spettacolare in un compito, diciamo riconoscimento facciale, allora fallirà in modo spettacolare in un compito diverso, come la scoperta di farmaci. Quindi i ricercatori non possono semplicemente utilizzare l'intelligenza artificiale per l'apprendimento profondo standard.

Il team di Harvard-MIT ha utilizzato un nuovo tipo di intelligenza artificiale per l'apprendimento profondo chiamato reti neurali a grafo per la scoperta di farmaci. Ritorno all'età della pietra dell'IA del 2010, I modelli di intelligenza artificiale per la scoperta di farmaci sono stati costruiti utilizzando descrizioni testuali di sostanze chimiche. È come descrivere il viso di una persona con parole come "occhi scuri" e "naso lungo". Questi descrittori di testo sono utili ma ovviamente non dipingono l'intera immagine. Il metodo AI utilizzato dal team di Harvard-MIT descrive le sostanze chimiche come una rete di atomi, che fornisce all'algoritmo un'immagine della sostanza chimica più completa di quella che le descrizioni testuali possono fornire.

Tabelle vuote di conoscenza umana e intelligenza artificiale

Eppure l'apprendimento profondo da solo non è sufficiente per scoprire nuovi antibiotici. Ha bisogno di essere accoppiato con una profonda conoscenza biologica delle infezioni.

Il team di Harvard-MIT ha meticolosamente addestrato l'algoritmo di intelligenza artificiale con esempi di farmaci efficaci e di quelli che non lo sono. Inoltre, hanno usato farmaci noti per essere sicuri negli esseri umani per addestrare l'intelligenza artificiale. Hanno quindi utilizzato l'algoritmo AI per identificare antibiotici potenzialmente sicuri ma potenti da milioni di sostanze chimiche.

A differenza delle persone, L'IA non ha preconcetti, soprattutto su come dovrebbe essere un antibiotico. Usando l'IA della vecchia scuola, il mio laboratorio ha recentemente scoperto alcuni sorprendenti candidati per il trattamento della tubercolosi, compreso un farmaco antipsicotico. Nello studio del team di Harvard-MIT, hanno trovato una miniera d'oro di nuovi candidati. Questi farmaci candidati non assomigliano per niente agli antibiotici esistenti. Un candidato promettente è Halicin, un farmaco in fase di studio per il trattamento del diabete.

Halicin, sorprendentemente, era potente non solo contro E. coli , i batteri su cui è stato addestrato l'algoritmo di intelligenza artificiale, ma anche su patogeni più mortali, compresi quelli che causano la tubercolosi e l'infiammazione del colon. In particolare, Halicin era potente contro i farmaci resistenti Acinetobacter baumanni . Questo batterio è in cima alla lista dei patogeni più mortali compilata dai Centers for Disease Control and Prevention.

Sfortunatamente, L'ampia potenza di Halicin suggerisce che può anche distruggere i batteri innocui nel nostro corpo. Può anche avere effetti collaterali metabolici, poiché è stato originariamente progettato come farmaco antidiabetico. Data la disperata necessità di nuovi antibiotici, questi possono essere piccoli sacrifici da pagare per salvare vite umane.

Tenere il passo con l'evoluzione

Data la promessa di Halicin, dovremmo fermare la ricerca di nuovi antibiotici?

Halicin potrebbe superare tutti gli ostacoli e alla fine raggiungere il mercato. Ma deve ancora superare un nemico implacabile che è la causa principale della crisi della resistenza ai farmaci:l'evoluzione. Gli esseri umani hanno lanciato numerosi farmaci contro gli agenti patogeni nel secolo scorso. Eppure i patogeni hanno sempre sviluppato una resistenza. Quindi probabilmente non passerà molto tempo prima che incontriamo un'infezione resistente all'halicin. Tuttavia, con la potenza dell'IA di deep learning, ora potremmo essere più adatti a rispondere rapidamente con un nuovo antibiotico.

Molte sfide attendono i potenziali antibiotici scoperti utilizzando l'intelligenza artificiale per raggiungere la clinica. Le condizioni in cui vengono testati questi farmaci sono diverse da quelle all'interno del corpo umano. Il mio laboratorio e altri stanno costruendo nuovi strumenti di intelligenza artificiale per simulare l'ambiente interno del corpo per valutare la potenza antibiotica. I modelli di intelligenza artificiale ora possono anche prevedere la tossicità dei farmaci e gli effetti collaterali. Queste tecnologie AI insieme potrebbero presto darci un vantaggio nella battaglia senza fine contro la resistenza ai farmaci.

Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.