محققان فاش کردند که هوش مصنوعی دو آنتی‌بیوتیک بالقوه جدید اختراع کرده است که می‌تواند باکتری‌های مقاوم به دارو مانند گونوره (Gonorrhoea) و استافیلوکوک اورئوس مقاوم به متی‌سیلین (MRSA) را از بین ببرد.
این داروها توسط هوش مصنوعی اتم به اتم طراحی شده‌اند و در آزمایشات آزمایشگاهی و حیوانی، ابرمیکروب‌ها را از بین بردند.
این دو ترکیب هنوز سال‌ها به پالایش و آزمایشات بالینی نیاز دارند تا بتوانند تجویز شوند.
اما تیم موسسه فناوری ماساچوست (MIT) که پشت این دستاورد قرار دارد، می‌گوید هوش مصنوعی می‌تواند «عصر طلایی دوم» در کشف آنتی‌بیوتیک‌ها را آغاز کند.
آنتی‌بیوتیک‌ها باکتری‌ها را می‌کشند، اما عفونت‌هایی که در برابر درمان مقاوم هستند، اکنون سالانه بیش از یک میلیون مرگ و میر ایجاد می‌کنند.
استفاده بیش از حد از آنتی‌بیوتیک‌ها به باکتری‌ها کمک کرده تا تکامل یابند و از اثرات داروها فرار کنند؛ در حالی که برای دهه‌ها با کمبود آنتی‌بیوتیک‌های جدید مواجه بوده‌ایم.
محققان قبلاً از هوش مصنوعی برای بررسی هزاران ماده شیمیایی شناخته‌شده در تلاش برای شناسایی مواردی با پتانسیل تبدیل شدن به آنتی‌بیوتیک‌های جدید استفاده کرده بودند.
اکنون، تیم MIT یک قدم فراتر رفته و از هوش مصنوعی مولد (generative AI) برای طراحی اولیه آنتی‌بیوتیک‌ها برای عفونت مقاربتی گونوره و برای MRSA (استافیلوکوک اورئوس مقاوم به متی‌سیلین) که می‌تواند کشنده باشد، استفاده کرده است.
مطالعه آن‌ها که در مجله "Cell" منتشر شد، ۳۶ میلیون ترکیب از جمله ترکیباتی که یا وجود ندارند یا هنوز کشف نشده‌اند را مورد بررسی قرار داد.
دانشمندان با ارائه ساختار شیمیایی ترکیبات شناخته‌شده به همراه داده‌هایی مبنی بر اینکه آیا آن‌ها رشد گونه‌های مختلف باکتری را کُند می‌کنند یا خیر، هوش مصنوعی را آموزش دادند.
سپس هوش مصنوعی یاد می‌گیرد که باکتری‌ها چگونه تحت تأثیر ساختارهای مولکولی مختلفی که از اتم‌هایی مانند کربن، اکسیژن، هیدروژن و نیتروژن ساخته شده‌اند، قرار می‌گیرند.
سپس دو رویکرد برای طراحی آنتی‌بیوتیک‌های جدید با هوش مصنوعی امتحان شد. اولین رویکرد، با جستجو در کتابخانه‌ای متشکل از میلیون‌ها قطعه شیمیایی، با اندازه ۸ تا ۱۹ اتم، نقطه شروع امیدوارکننده‌ای را شناسایی کرد و از آنجا شروع به ساخت کرد. رویکرد دوم از ابتدا به هوش مصنوعی آزادی عمل کامل داد.
فرآیند طراحی همچنین هر چیزی را که بیش از حد شبیه به آنتی‌بیوتیک‌های فعلی بود، حذف کرد. همچنین تلاش شد تا اطمینان حاصل شود که آن‌ها در حال اختراع دارو هستند نه صابون، و هر چیزی که پیش‌بینی می‌شد برای انسان سمی باشد، فیلتر شود.
دانشمندان از هوش مصنوعی برای ساخت آنتی‌بیوتیک‌هایی برای گونوره و MRSA استفاده کردند؛ MRSA نوعی باکتری است که بی‌ضرر روی پوست زندگی می‌کند اما اگر وارد بدن شود می‌تواند عفونت جدی ایجاد کند.
پس از تولید، طرح‌های پیشرو روی باکتری‌ها در آزمایشگاه و روی موش‌های آلوده آزمایش شدند که منجر به کشف دو داروی بالقوه جدید شد.
پروفسور جیمز کالینز از MIT به بی‌بی‌سی می‌گوید: «ما هیجان‌زده هستیم زیرا نشان می‌دهیم که هوش مصنوعی مولد می‌تواند برای طراحی آنتی‌بیوتیک‌های کاملاً جدید استفاده شود.»
«هوش مصنوعی می‌تواند ما را قادر سازد تا مولکول‌ها را ارزان و سریع تولید کنیم و به این ترتیب، زرادخانه خود را گسترش دهیم و واقعاً در نبرد هوشمندی خود با ژن‌های ابرمیکروب‌ها، پیشتاز باشیم.»
با این حال، آن‌ها هنوز برای آزمایشات بالینی آماده نیستند و داروها نیاز به پالایش دارند – تخمین زده می‌شود که این کار یک تا دو سال دیگر به طول انجامد – قبل از اینکه روند طولانی آزمایش آن‌ها روی انسان‌ها آغاز شود.
دکتر اندرو ادواردز از ابتکار فلمینگ و امپریال کالج لندن، این کار را «بسیار مهم» با «پتانسیل عظیم» دانست، زیرا «رویکرد جدیدی را برای شناسایی آنتی‌بیوتیک‌های جدید نشان می‌دهد.»
اما او افزود: «در حالی که هوش مصنوعی نوید بهبود چشمگیر کشف و توسعه دارو را می‌دهد، ما هنوز باید در مورد آزمایش ایمنی و کارایی، کارهای سخت را انجام دهیم.»
این می‌تواند فرآیندی طولانی و پرهزینه باشد و هیچ تضمینی وجود ندارد که داروهای آزمایشی در نهایت برای بیماران تجویز شوند.
برخی خواهان بهبود گسترده‌تر در کشف دارو با هوش مصنوعی هستند. پروفسور کالینز می‌گوید «ما به مدل‌های بهتری نیاز داریم» که فراتر از عملکرد داروها در آزمایشگاه عمل کنند و بتوانند اثربخشی آن‌ها را در بدن بهتر پیش‌بینی کنند.
همچنین مشکلی در مورد دشواری تولید طرح‌های هوش مصنوعی وجود دارد. از ۸۰ درمان برتر گونوره که به صورت تئوری طراحی شده بودند، تنها دو مورد برای ساخت داروها سنتز شدند.
پروفسور کریس داوسون در دانشگاه واریک، این مطالعه را «جالب» خواند و گفت که هوش مصنوعی «گامی مهم رو به جلو به عنوان ابزاری برای کشف آنتی‌بیوتیک‌ها برای کاهش ظهور مقاومت» است.
با این حال، او توضیح می‌دهد که یک مشکل اقتصادی نیز در عفونت‌های مقاوم به دارو نقش دارد – «چگونه داروهایی بسازید که ارزش تجاری ندارند؟»
اگر یک آنتی‌بیوتیک جدید اختراع شود، در حالت ایده‌آل باید تا حد امکان از آن کم استفاده شود تا اثربخشی آن حفظ شود، که این امر کسب سود را برای هر کسی دشوار می‌کند.