Επιστήμονες στο McMaster University και στο ΜΙΤ χρησιμοποίησαν τεχνητή νοημοσύνη για την ανακάλυψη ενός νέου αντιβιοτικού το οποίο θα μπορούσε να χρησιμοποιηθεί για την αντιμετώπιση ενός φονικού, ανθεκτικού στα φάρμακα παθογόνου που πλήττει ευάλωτους ασθενείς σε νοσοκομεία.
Όπως αναφέρεται σε σχετική ανακοίνωση του McMaster University, η διαδικασία αυτή θα μπορούσε να επιταχύνει επίσης την ανακάλυψη άλλων αντιβιοτικών για την αντιμετώπιση άλλων «δύσκολων» βακτηρίων- των αποκαλούμενων «superbugs» (σούπερ βακτηρίων).
Ο λόγος πίσω από την έρευνα ήταν η επείγουσα ανάγκη για νέα φάρμακα για την αντιμετώπιση του Acinetobacter baumannii, που έχει χαρακτηριστεί από τον ΠΟΥ ως ένα από τα πιο επικίνδυνα, ανθεκτικά σε αντιβιοτικά, βακτήρια. Είναι διαβόητο για την αντοχή του (η εξόντωσή του είναι δύσκολος «άθλος») και μπορεί να προκαλέσει πνευμονία, μηνιγγίτιδα και μολύνσεις σε τραύματα- που σε όλες τις περιπτώσεις μπορούν να οδηγήσουν στον θάνατο.
Το Α. Baumanni συνήθως συναντάται σε νοσοκομεία, όπου μπορεί να επιβιώνει σε επιφάνειες για μεγάλα χρονικά διαστήματα. Είναι επίσης σε θέση να συλλέγει DNA από άλλα είδη βακτηρίων στο περιβάλλον του, μεταξύ των οποίων και γονίδια που παρέχουν αντοχή σε αντιβιοτικά.
Στην έρευνα, η οποία δημοσιεύτηκε την Πέμπτη στο Nature Chemical Biology, οι ερευνητές λένε πως χρησιμοποίησαν έναν αλγόριθμο τεχνητής νοημοσύνης για να προβλέψουν νέες δομικές κατηγορίες αντιβακτηριακών μορίων, και βρήκαν μια νέα αντιβακτηριακή ένωση (abaucin).
Η ανακάλυψη νέων αντιβιοτικών κατά του A. baumannii μέσω συμβατικών διαδικασιών ήταν δύσκολη, καθώς οι συμβατικές μέθοδοι είναι χρονοβόρες, δαπανηρές και περιορισμένης έκτασης. Οι σύγχρονες αλγοριθμικές προσεγγίσεις μπορούν να έχουν πρόσβαση σε εκατοντάδες, ίσως και δισεκατομμύρια μόρια με αντιβακτηριακές ιδιότητες.
«Η δουλειά αυτή επιβεβαιώνει τα οφέλη του machine learning στην αναζήτηση νέων αντιβιοτικών» λέει ο Τζόναθαν Στόουκς, lead author της σχετικής έρευνας και επίκουρος καθηγητής στο τμήμα Βιοϊατρικής και Βιοχημείας του McMaster University, οποίος έκανε την έρευνα μαζί με τον Τζέιμς Τζ. Κόλινς, καθηγητή ιατρικής μηχανικής και επιστημών στο ΜΙΤ, καθώς και τους τελειόφοιτους του McMaster Γκάρι Λιου και Ντενίζ Κατακουτάν.
«Χρησιμοποιώντας τεχνητή νοημοσύνη, μπορούμε να εξερευνήσουμε ταχύτατα μεγάλες εκτάσεις χημικού χώρου, αυξάνοντας σημαντικά τις πιθανότητες ανακάλυψης θεμελιωδώς νέων αντιβακτηριακών μορίων» λέει ο Στόουκς.
«Οι προσεγγίσεις τεχνητής νοημοσύνης στην ανακάλυψη φαρμάκων είναι εδώ για να μείνουν και θα συνεχίσουν να εξελίσσονται» λέει από πλευράς του ο Κόλινς. «Ξέρουμε πως τα αλγοριθμικά μοντέλα λειτουργούν, τώρα είναι θέμα χρόνου η υιοθέτηση αυτών των μεθόδων για την ανακάλυψη νέων αντιβιοτικών πιο αποτελεσματικά και με μικρότερο κόστος».
Το abaucin στοχεύει μόνο το A. baumannii, κάτι που είναι ιδιαίτερα σημαντικό επειδή σημαίνει ότι το παθογόνο είναι λιγότερο πιθανό να αναπτύξει γρήγορα αντοχές- και θα μπορούσε να οδηγήσει σε θεραπείες υψηλής ακριβείας και αποτελεσματικότητας.