AI kontra oporne bakterie: jak sztuczna inteligencja ratuje erę antybiotyków

Szczepionki i antybiotyki miały sprawić, że groźne infekcje zostaną w historii.

Tymczasem bakterie wracają z nową siłą, a medycyna szuka ratunku.

Coraz częściej lekarze spotykają pacjentów, u których standardowe leki przeciwbakteryjne przestają działać. Rośnie liczba zgonów, rosną koszty leczenia, a kolejne szpitale zgłaszają ogniska opornych szczepów. W tym wyścigu z czasem na scenę wchodzi sztuczna inteligencja, która zaczyna pełnić rolę turbo-dopalacza dla naukowców szukających nowych terapii.

Jak doprowadziliśmy do kryzysu antybiotykowego

Od odkrycia penicyliny minęło niespełna sto lat, a antybiotyki zdążyły całkowicie zmienić oblicze medycyny. Z zabójczych chorób, takich jak zapalenie płuc czy posocznica, zrobiły się infekcje, które w wielu przypadkach dało się opanować jedną receptą. Z czasem pojawiło się jednak złudne poczucie bezpieczeństwa: antybiotyki zaczęto przepisywać masowo, często bez potrzeby, a w niektórych krajach można je było kupić bez recepty.

Przeczytaj również: Kolor skóry a leki: czy przyjmujesz dawkę dobraną naprawdę do ciebie?

Bakterie reagują na takie warunki w jeden, bardzo prosty sposób – adaptują się. To organizmy, które mnożą się błyskawicznie i w każdym pokoleniu pojawiają się losowe mutacje. Jeśli któraś mutacja przypadkiem chroni bakterię przed lekiem, ta przeżywa, namnaża się i przekazuje „tarczę ochronną” dalej. Miliony takich cykli sprawiły, że nasz arsenał leków zaczął tracić moc.

Silnie nadużywane antybiotyki zamieniły się z cudownej broni w coraz słabszy mur, przez który przeciekają kolejne fale opornych bakterii.

Antybiotykooporność – cichy zabójca XXI wieku

Według globalnych szacunków około 1,1 miliona osób rocznie umiera z powodu zakażeń bakteryjnych, których nie da się skutecznie wyleczyć standardowymi lekami. Jeśli obecne trendy się utrzymają, w połowie stulecia ta liczba może skoczyć nawet do 8 milionów zgonów rocznie. To więcej niż obecnie wszystkie typy nowotworów razem wzięte.

Przeczytaj również: Wzdęcia przy chodzeniu: kiedy to normalne, a kiedy iść do lekarza

Naukowcy często przywołują dwa szczególnie niepokojące przykłady:

• Neisseria gonorrhoeae – bakteria wywołująca rzeżączkę, która w wielu krajach wymknęła się spod kontroli większości leków pierwszego wyboru;
• Staphylococcus aureus – powszechna bakteria skórna, u części osób całkowicie bezobjawowa, ale jej niektóre szczepy stały się odporne na metycylinę i inne często używane antybiotyki.

Za nimi stoją dziesiątki innych patogenów, które krok po kroku powtarzają ten sam scenariusz. Kolejne szczepy zdobywają nowe mechanizmy obrony, a lekarze mają coraz mniej skutecznych opcji. W latach 2017–2022 na rynek weszło zaledwie 12 nowych antybiotyków, z czego prawie wszystkie stanowiły wariacje na temat dobrze znanych już rodzin związków chemicznych. Dla bakterii to często jedynie kosmetyczna zmiana przeciwnika.

Przeczytaj również: AI podgląda ryby, by policzyć nam lata życia. Brzmi jak sci‑fi?

Dlaczego przemysł farmaceutyczny nie nadąża

Stworzenie naprawdę nowej cząsteczki przeciwbakteryjnej wymaga co najmniej dekady badań, ogromnych nakładów finansowych i przejścia przez wielostopniowy system testów bezpieczeństwa. A na końcu tej drogi czeka produkt, którego lekarze… mają używać jak najrzadziej, żeby oporność nie pojawiła się zbyt szybko.

Z biznesowego punktu widzenia to mało atrakcyjny scenariusz. Mała sprzedaż, wysokie ryzyko, niepewna „żywotność” leku i bardzo wymagające regulacje sprawiają, że wiele firm przesunęło uwagę w stronę bardziej przewidywalnych terapii, na przykład onkologicznych czy kardiologicznych.

Przemysł w dużej mierze wycofał się z wyścigu o nowe antybiotyki, zanim nauka dostarczyłaby pełen zestaw narzędzi do skutecznej walki z opornością.

AI jako nowe laboratorium: miliony cząsteczek w kilka dni

Tu pojawia się sztuczna inteligencja. Zamiast klasycznego modelu „testujemy tysiące związków w probówkach i patrzymy, co wyjdzie”, algorytmy uczą się na bazie całego dotychczasowego dorobku farmakologii. Takie systemy analizują budowę znanych antybiotyków, zachowanie różnych bakterii, dane toksykologiczne i kliniczne.

Jak uczą się algorytmy szukające nowych antybiotyków

Badacze trenują modele AI, karmiąc je informacjami o:

• strukturach chemicznych obecnie używanych leków,
• mechanizmach działania na poziomie komórek bakteryjnych,
• typowych drogach rozwoju oporności,
• profilach bezpieczeństwa dla człowieka.

Algorytm uczy się rozpoznawać wzorce: jaka geometria cząsteczki sugeruje działanie przeciwbakteryjne, a jaka wiąże się z wysoką toksycznością. Z tą „intuicją” może następnie przystąpić do przeglądu gigantycznych baz danych związków chemicznych.

Zamiast latami prowadzić żmudne eksperymenty, modele AI potrafią w kilka dni oszacować potencjał dziesiątek milionów cząsteczek, jeszcze zanim trafią do prawdziwego laboratorium.

Od 45 milionów struktur do dwóch obiecujących kandydatów

W jednym z przełomowych projektów naukowcy pozwolili algorytmowi „przejrzeć” aż 45 milionów możliwych struktur chemicznych. Zamiast syntetyzować je fizycznie, system symulował, jak dana cząsteczka mogłaby oddziaływać z komórką bakteryjną. Ocenił szanse powodzenia, eliminując słabe kandydatury i modyfikując te obiecujące.

W efekcie udało się wygenerować 36 milionów nowych związków, z których wybrano te najciekawsze do realnych testów. Po chemicznej syntezie części z nich i sprawdzeniu w laboratorium okazało się, że przynajmniej dwie całkowicie nowe cząsteczki naprawdę działają na oporne szczepy, a ich mechanizm jest inny niż u dotychczasowych leków.

Na pierwszy rzut oka liczba dwóch skutecznych kandydatów może brzmieć skromnie. W praktyce to spory sukces, bo wiele klasycznych programów rozwoju leków pochłania lata pracy i miliony dolarów, nie dając na końcu ani jednej cząsteczki gotowej do wejścia w etap badań klinicznych.

Nie tylko nowe leki: inne zadania AI w walce z bakteriami

AI nie ogranicza się do szukania całkiem nowych substancji. Wykorzystuje się ją także do lepszego zrozumienia samych bakterii i ich słabych punktów. Systemy podobne do AlphaFold potrafią przewidywać trójwymiarową strukturę białek bakteryjnych, czyli celów, w które powinien „trafić” lek. Daje to naukowcom dokładniejszą mapę tego, jak wygląda wewnętrzna „maszyneria” mikroorganizmów.

Istnieją też modele predykcyjne, które starają się prognozować, jak patogeny będą ewoluować pod wpływem presji leków. Dzięki temu można projektować takie strategie terapeutyczne, które utrudnią bakteriom przejście na kolejne poziomy oporności – na przykład łącząc konkretne antybiotyki w odpowiedniej kolejności.

Dlaczego sama sztuczna inteligencja nie wystarczy

Choć AI robi wrażenie skalą i tempem działania, nie zastąpi realnych eksperymentów ani rozsądnej polityki stosowania antybiotyków. Każda obiecująca cząsteczka musi przejść przez pełny proces badań bezpieczeństwa. Dodatkowo, nawet najlepszy nowy lek szybko straci skuteczność, jeśli będzie używany chaotycznie, bez kontroli i w zbyt wysokiej dawce lub zbyt długo.

Eksperci zwracają uwagę, że równolegle trzeba wzmacniać nadzór nad przepisywaniem antybiotyków, ograniczać ich użycie w hodowli zwierząt i edukować pacjentów, by nie domagali się recepty na każdy katar czy kaszel. Sztuczna inteligencja może stać się potężnym sprzymierzeńcem, ale nie naprawi złych nawyków ani systemowych zaniedbań.

Co może z tego wyniknąć dla zwykłego pacjenta

Choć opisane projekty wciąż znajdują się na etapie badań, ich efekty mogą za kilka lub kilkanaście lat zmienić praktykę na poziomie pojedynczego szpitala. Dzięki AI lekarze mogą zyskać:

• większą pulę nowych antybiotyków o nietypowym mechanizmie działania,
• szybsze narzędzia do identyfikacji, na które leki dana bakteria jest wrażliwa,
• lepsze systemy ostrzegające o pojawieniu się szczególnie groźnych szczepów,
• bardziej przemyślane schematy terapii, które nie „trenują” bakterii do oporności.

Dla pacjentów może to oznaczać mniejsze ryzyko powikłań po banalnych zabiegach chirurgicznych, niższą śmiertelność przy ciężkich zakażeniach i rzadsze sytuacje, w których lekarz musi rozłożyć ręce, bo wyczerpał wszystkie możliwości.

W szerszym kontekście kryzys antybiotykowy pokazuje jeszcze jedną rzecz: bez narzędzi takich jak AI ludzka wyobraźnia i tradycyjne metody poszukiwania leków po prostu przestają nadążać za tempem ewolucji mikroorganizmów. Sztuczna inteligencja nie jest magiczną różdżką, ale może stać się elementem, który przechyli szalę w tej nierównej walce – pod warunkiem, że nauka, biznes i polityka zdrowotna nauczą się z niej mądrze korzystać.