AI kontra superbakterie: jak sztuczna inteligencja ratuje skuteczność antybiotyków

Era, w której antybiotyki stanowiły niezawodną tarczę przed infekcjami, powoli odchodzi do przeszłości, a wizja świata bez skutecznych leków staje się realnym zagrożeniem. Klasyczna nauka znalazła się w ślepym zaułku, nie nadążając za ewolucją superbakterii, które coraz szybciej uczą się ignorować nasze terapie. Nadzieję na uniknięcie medycznej katastrofy daje jednak sztuczna inteligencja, która przejmuje rolę cyfrowego badacza, analizując dane niedostępne dla ludzkiego oka.

Słabo działające antybiotyki przestają być science fiction, ale realną wizją przyszłości medycyny.

Naukowcy szukają ratunku w AI.

Rosnąca oporność bakterii na leki sprawia, że nawet drobna infekcja może kiedyś znów stać się śmiertelnie groźna. Coraz więcej zespołów badawczych stawia więc na sztuczną inteligencję, która ma przyspieszyć pracę, z jaką tradycycyjne laboratoria zwyczajnie sobie nie radzą.

Przeczytaj również: AI kontra superbakterie: jak sztuczna inteligencja ratuje erę antybiotyków

Antybiotyki się „zużywają”. Bakterie uczą się szybciej niż my

Od czasu, gdy penicylina trafiła do szpitali, medycyna wygrała niezliczone starcia z infekcjami bakteryjnymi. Antybiotyki stały się bronią tak skuteczną, że zaczęliśmy korzystać z niej niemal bez zahamowań – przy infekcjach wirusowych, profilaktycznie przed zabiegami, w hodowli zwierząt.

Problem w tym, że bakterie też nie stoją w miejscu. Rozmnażają się w zawrotnym tempie, a każda generacja to szansa na nową mutację obronną. Te, które przypadkiem posiadają zmianę genetyczną chroniącą przed lekiem, przeżywają, mnożą się i przekazują tę cechę dalej. Leki, które jeszcze kilkanaście lat temu działały jak taran, dziś często tylko „drapią” oporne szczepy.

Przeczytaj również: AI w walce z superbakteriami: jak sztuczna inteligencja ratuje erę antybiotyków

Rosnąca oporność bakterii na antybiotyki zabija już dziś około 1,1 miliona osób rocznie, a w połowie wieku liczba zgonów może przebić liczbę ofiar wszystkich nowotworów razem wziętych.

Według szacunków epidemiologów, jeśli nic się nie zmieni, do 2050 roku infekcje bakteryjne oporne na leczenie mogą powodować nawet 8 milionów zgonów rocznie. To scenariusz, w którym rutynowa operacja czy poród stają się dużo większym ryzykiem niż obecnie.

Superbakterie, które przestały „słuchać” antybiotyków

W publikacjach naukowych często przewijają się dwaj „bohaterowie negatywni”. Pierwszy to Neisseria gonorrhoeae – bakteria wywołująca rzeżączkę. Jeszcze niedawno kilka grup antybiotyków radziło sobie z nią całkiem dobrze. Dziś wiele krajów raportuje szczepy, które praktycznie ignorują standardowe terapie.

Przeczytaj również: Rewolucja w onkologii: organizm sam uczy się tworzyć komórki zabijające raka

Drugi przykład to Staphylococcus aureus. Ta bakteria żyje na skórze ogromnej części populacji i zwykle nie robi nic złego. Gdy jednak dostanie się do krwi czy kości, potrafi być zabójcza. Część szczepów wykształciła odporność na metycylinę – antybiotyk uznawany przez lata za złoty standard. Znane z oddziałów szpitalnych MRSA to właśnie takie „utwardzone” wersje gronkowca złocistego.

Za tymi dwoma najgłośniejszymi przykładami stoi cały szereg innych patogenów, które idą tą samą drogą. Nasz aktualny zestaw leków zaczyna przypominać pancerz z wieloma dziurami. Nowe preparaty pojawiają się rzadko, a w latach 2017–2022 na rynek weszło jedynie kilkanaście antybiotyków, w większości zmodyfikowanych wersji znanych już rodzin związków. Dla bakterii to często kosmetyczna zmiana, na którą mają już gotową odpowiedź.

Dlaczego firmy nie chcą inwestować w nowe antybiotyki

Stworzenie naprawdę nowej substancji działającej przeciw bakteriom to koszt rzędu miliardów dolarów i ponad dziesięcioletnie maratony badań. A gdy lek w końcu trafia do szpitali, lekarze są zachęcani, by używać go jak najrzadziej, tylko w najcięższych przypadkach. Chodzi o to, by nie przyspieszać powstawania oporności.

Z biznesowego punktu widzenia to koszmar: ogromne inwestycje, niepewna przyszłość preparatu i niska sprzedaż, bo tak nakazują wytyczne. Część firm po prostu odpuściła taki wyścig, skupiając się na lekach przewlekłych, które przynoszą stabilne zyski przez lata.

Rozwój nowych antybiotyków przestał nadążać za tempem, w jakim bakterie uczą się bronić. Naukowcy zrzucają winę nie tylko na koszty, ale też na ograniczenia klasycznych metod poszukiwania leków.

AI wkracza do gry: miliony cząsteczek w kilka dni

Tu właśnie pojawia się sztuczna inteligencja. Skoro ludzkie laboratoria nie są w stanie przesiewać dziesiątek milionów związków chemicznych, sensownie jest zlecić wstępną selekcję algorytmom. Na takim podejściu pracuje między innymi zespół z Massachusetts Institute of Technology pod kierunkiem Jamesa Collinsa.

Badacze „nakarmili” model AI gigantycznym zbiorem danych z ostatniego stulecia farmakologii: strukturami znanych antybiotyków, mechanizmami ich działania, informacjami o tym, jak wyglądają komórki bakterii, jak wchodzą w interakcje z cząsteczkami leków, a także danymi o toksyczności dla człowieka.

Taki trening pozwolił algorytmowi wyłapywać cechy, które zwykle sygnalizują, że dana cząsteczka może mieć silne działanie przeciwbakteryjne. Następnie model ruszył do pracy, której nie przeprowadziłaby żadna tradycyjna grupa badawcza: w krótkim czasie „przeliczył” około 45 milionów struktur chemicznych.

Symulacje zamiast lat prób i błędów

Zamiast syntetyzować każdą z tych substancji w laboratorium i testować ją na hodowlach bakterii, AI oceniała ich potencjał na podstawie symulowanych interakcji. Obliczała, jak prawdopodobne jest, że dana cząsteczka przyczepi się do kluczowego elementu komórki bakteryjnej i zablokuje jej funkcje życiowe, a przy tym nie będzie znacząco toksyczna dla ludzkich komórek.

Na tej podstawie algorytm wskazywał najbardziej obiecujące kierunki i „podpowiadał” modyfikacje strukturalne. Taka iteracyjna praca przyniosła w efekcie bazę 36 milionów nowych związków, których nikt wcześniej nie brał pod uwagę. Dopiero z tego grona naukowcy wybrali kandydatów do klasycznych testów laboratoryjnych.

Z setek tysięcy wygenerowanych propozycji wyłoniono cząsteczki, które po rzeczywistym zsyntetyzowaniu wykazały działanie na szczepy odpornych bakterii, atakując je w inny sposób niż stosowane dziś leki.

Dwie cząsteczki, które dają realną nadzieję

Na końcu tego łańcucha znalazły się związki, które udało się wytworzyć i przetestować na żywych bakteriach. Dwie z nowych substancji wykazały silną aktywność przeciwko szczepom odpornym na obecne terapie. Ich mechanizm działania różni się od tego, jak pracują klasyczne antybiotyki, więc bakterie nie były na nie przygotowane.

Ktoś mógłby wzruszyć ramionami i stwierdzić, że dwie skuteczne cząsteczki na tle 36 milionów to niewielki sukces. W praktyce farmaceutycznej takie „trafienie” jest jednak imponujące. W wielu projektach badawczych po latach pracy nie zostaje ani jeden realny kandydat do dalszych badań klinicznych.

Praca zespołu z MIT sugeruje, że największym ograniczeniem wcale nie była sama biologia, tylko narzędzia, którymi się posługiwaliśmy. Ludzkim zespołom trudno było szukać w obszarach chemii, które leżą daleko poza utartymi schematami. Algorytmy, które nie męczą się żmudnymi obliczeniami, nie mają z tym problemu.

Nie tylko nowe leki: inne zastosowania AI w walce z opornością

AI wspiera też inne etapy walki z bakteriami. Systemy takie jak AlphaFold pomagają przewidywać trójwymiarową strukturę białek, w tym tych, które odpowiadają za oporność na antybiotyki. Gdy naukowcy rozumieją, jak takie białka wyglądają w przestrzeni i jak się poruszają, mogą projektować leki znacznie precyzyjniej.

Istnieją również modele określane jako AMR-AI, analizujące dane z laboratoriów i szpitali, by prognozować, w jaki sposób patogeny będą się zmieniały w kolejnych latach. Dzięki takim prognozom można wcześniej wychwycić niepokojące trendy, ustalać lepsze schematy terapii w poszczególnych krajach czy placówkach oraz szybciej reagować na pojawienie się nowej, groźnej mutacji.

• AI przegląda i ocenia miliony cząsteczek, zanim trafią do laboratoriów.
• Modele strukturalne białek ułatwiają projektowanie leków pod konkretny cel w komórce bakterii.
• Algorytmy analizują dane epidemiologiczne, pomagając przewidywać, gdzie i kiedy pojawią się oporne szczepy.
• Sztuczna inteligencja wspiera lekarzy w wyborze terapii, podpowiadając, który antybiotyk ma największą szansę zadziałać u danego pacjenta.

AI to narzędzie, nie magiczna różdżka

Specjaliści podkreślają, że sztuczna inteligencja nie „naprawi” samodzielnie kryzysu antybiotykowego. Nawet najbardziej obiecujący związek chemiczny musi przejść kolejne fazy badań klinicznych, zostać oceniony pod kątem bezpieczeństwa, dawkowania, interakcji z innymi lekami. To proces, którego nie da się całkiem ominąć.

AI może natomiast skrócić i uprościć najtrudniejszą część – etap wstępnego szukania igły w stogu siana. Zamiast latami testować po kolei nieskończoną liczbę substancji, naukowcy startują od znacznie krótszej listy kandydatów, wstępnie „przesianej” przez model.

Sztuczna inteligencja nie zastępuje lekarzy i badaczy, tylko daje im mocniejsze lupy, lepsze mapy i szybsze kalkulatory w walce z patogenami.

Co to oznacza dla pacjentów i lekarzy

W praktyce skuteczne wykorzystanie AI ma dwa potencjalnie ogromne efekty. Po pierwsze, zwiększa szanse, że w ciągu najbliższych dekad pojawią się zupełnie nowe klasy antybiotyków, a nie tylko kosmetyczne poprawki. Po drugie, pomaga lepiej gospodarować tym, co już mamy – np. dobierać antybiotyk bardziej świadomie, skracać niepotrzebnie długie kuracje i ograniczać ich stosowanie tam, gdzie nie są potrzebne.

Nawet najlepsze algorytmy nie zastąpią jednak rozsądku przy wystawianiu recept, edukacji pacjentów i zmiany podejścia do antybiotyków w hodowli zwierząt. Jeśli dalej będziemy traktować je jak prostą pigułkę „na wszystko”, żadna technologia nie utrzyma ich skuteczności na dłuższą metę.

Jednoczesne wdrożenie narzędzi AI i prostej profilaktyki – od higieny rąk, przez szczepienia, po racjonalne leczenie – może stworzyć efekt synergii. Mniej infekcji oznacza mniej kuracji, a to z kolei wolniejsze tempo powstawania opornych szczepów. W takim scenariuszu sztuczna inteligencja nie staje się bohaterem solo, lecz ważnym partnerem w szerokiej, wieloetapowej strategii ratowania antybiotyków przed przedwczesną emeryturą.