Čovječanstvo je pola vijeka gubilo bitku protiv bakterija. Najmoćnije oružje koje imamo u ovoj borbi, antibiotici, postaju neefikasni.
Oko 1,1 milion ljudi sada umire svake godine od infekcija koje su se donedavno lako liječile.
A očekuje se da broj umrlih naraste na više od osam miliona do 2050. godine ukoliko se nešto hitno ne preduzme.
Izrada novih antibiotika je izluđujuće spor i skup proces.
Između 2017. i 2022. godine, za upotrebu je odobreno samo 12 novih antibiotika, od čega su većina bili slični već postojećim tipovima ljekova na koje bakterije već razvijaju otpornost.
Ova oblast je hronično zanemarena, jer nema dovoljno interesovanja kompanija za proizvodnju ljekova i nedovoljnog finansiranja.
Ali sada istraživači pokušavaju da popune tu rupu, a neki se oslanjaju na vještačku inteligenciju da im pomogne u tome.
„Možemo, u roku od nekoliko dana ili sati, da pregledamo ogromne biblioteke hemijskih jedinjenja da bismo identifikovali ona koja pokazuju antibiotske aktivnosti“, kaže Džejms Kolins, profesor medicinskog inženjeringa i nauke, na Masačusetskom institutu za tehnologiju u Kembridžu.
Uz pomoć vještačke inteligencije, Kolins i njegov tim već su otkrili dva nova jedinjenja koja bi mogla da se pokažu ključnim oružjem u borbi protiv infekcija izuzetno otpornih na ljekove kao što su gonoreja i MRSA.
To je samo jedan primjer kako vještačka inteligencija otvara puteve za novu eru otkrivanja ljekova - obećavajući napredak po pitanju nekih od najnerješivijih medicinskih problema našeg vremena.
Naučnici usmjeravaju vještačku inteligenciju na stanja bez poznatog lijeka kao što je Parkinsonova bolest, i hiljade rijetkih bolesti, u nadi za novim pomacima.
Kolins i njegov tim obučili su generativni model vještačke inteligencije da prepoznaje hemijsku strukturu poznatih antibiotika.
To je omogućilo algoritmu da nauči što je potrebno da bi se ubila bakterija.
Istraživači su potom upotrijebili vještačku inteligenciju da pregledaju više od 45 miliona različitih hemijskih struktura u potrazi za njihovom sposobnošću da gađaju Neisseria gonorrhoeae, bakteriju koja izaziva gonoreju, i Staphylococcus aureus, značajan izvor infekcija kao MRSA.
Obje ove bakterije su izuzetno otporne na ljekove - gonoreja može da bude otporna na svaki lijek.
Trenutno se smanjuje broj dostupnih antibiotika za borbu protiv obje bolesti.
Kolinsov metod je koristio vještačku inteligenciju da napravi potpuno nova jedinjenja za borbu protiv bakterija.
U jednom pristupu, izabrao je molekul kao početnu tačku i koristio kombinaciju tehnika generativne vještačke inteligencije za njegovu izradu, „dodajući veze, atome, podstrukture“, kaže on.
U svakom kritičnom stadijumu, jedinjenje je ocjenjivao njegov obučeni model vještačke inteligencije koristeći pitanje - „Da li ovo izgleda kao antibiotik? Da li se približava potencijalnom antibiotiku?“
Drugi pristup je podrazumijevao odbacivanje početnog jedinjenja i dozvoljavanje vještačkoj inteligenciji da improvizuje od samog početka.
Kolins i njegove kolege su na ovaj način pronašli 36 miliona jedinjenja sa potencijalom da rade protiv bakterija. Tim je od njih odabrao 24 za sintetisanje u laboratoriji.
Sedam se pokazalo da ima neku antimikropsku aktivnost, a dva su bila izuzetno efikasna u ubijanju obje vrste bakterija koje su bile otporne na druge tipove antibiotika.
Što je najvažnije, jedinjenja kao da napadaju bakterije na drugačije načine u odnosu na već postojeće antibiotike, probudivši nadu da mogu da formiraju novu klasu ljekova sposobnih da savladaju odbranu bakterija otpornih na ljekove.
Oni trenutno prolaze testiranje još dva kandidata.
Kolins i njegova laboratorija su prethodno koristili vještačku inteligenciju da otkriju druga nova moćna antibiotska jedinjenja koja ubijaju širok dijapazon bakterija otpornih na liječenje, među njima Clostridium difficile, čestu infekciju crijeva, i Mycobacterium tuberculosis, koja izaziva tuberkulozu.
Za neke bolesti, međutim, istraživači nemaju luksuz nadovezivanja na postojeće ljekove da bi pomogli da se nađu novi metodi liječenja.
Umjesto toga, moraju da počnu s onim što se zna o samoj bolesti. U nekim slučajevima, međutim, čak i im tom daje vrlo malo polazišta.
Napredak sa Parkinsonovom bolešću
Parkinsonova bolest je prvi put bila otkrivena 1817. godine, ali više od dva vijeka kasnije, još nema liječenja koje usporava napredovanje ove bolesti.
Širom svijeta ima više od 10 miliona pacijenata sa Parkinsonovom bolešću, a ta stopa raste u zemljama sa ostarjelom populacijom.
Otprilike jedan na svakih 37 ljudi u Velikoj Britaniji dobiće dijagnozu u nekom trenutku svog života. U Americi do milion ljudi trenutno živi s ovom bolešću.
Dugotrajni napori za liječenje Parkinsonove bolesti bili su prepuni neuspjeha. Dio problema je što još ne znamo šta izaziva bolest.
„Vode se beskrajne rasprave o poreklu poremećaja“, kaže Mišel Vendruskolo, profesor biofizike i kourednik u Centru za bolesti pogrešnog svijanja proteina na Univerzitetu u Kembridžu, u Velikoj Britaniji.
„Ako odete na neku konferenciju o Parkinsonovoj bolesti, čućete desetine različitih hipoteza koje se sve aktivno istražuju.“
To nevjerovatno otežava pronalaženje lijeka za sprečavanje bolesti.
Vodio se ogroman broj kliničkih ispitivanja koja su istraživala različite hipoteze, ali, do sada, sve su one bile neuspješne, kaže Vendruskolo.
„Ljudi su istinski zbunjeni oko toga šta treba da bude cilj. Čak i ako znate cilj, obično ga je veoma teško dostići“, kaže on.
Ali 2024. godine, Vendruskolo i njegove kolege objavili su studiju u kojoj su koristili mašinsko učenje (oblik vještačke inteligencije) u traganju za potencijalnim kandidatima sposobnim da gađaju grudvice pogrešno savijenog proteina u mozgu koje se javljaju kod pacijenata sa Parkinsonovom bolešću.
Vjeruje se da agregati proteina, poznati kao Levijeva tijela, igraju neku ulogu u prvobitnim stadijumima neurodegeneracije kod oboljelih od Parkinsonove bolesti, na kraju dovevši do simptoma kao što su drhtanje, usporenost pokreta i ukočenost mišića.
U ovom trenutku, najefikasniji metod liječenja Parkinsonove bolesti je Ledovopa, lijek koji pomaže da se poboljšaju simptomi bolesti, ali može da izazove nuspojave kao što su nevoljni pokreti.
Vendruskolo je usredsređen na zaustavljanje napretka same bolesti.
On i njegov tim su krenuli od skupa jedinjenja koja su već bila identifikovana kao potencijalno efikasni tretman protiv Levijevih tijela.
Ubacio ih je program za mašinsko učenje, koji je ekstrapolirao njihovu hemijsku strukturu da bi predložio nova jedinjenja koja bi takođe mogla biti efikasna.
Da bi se liječile neurodegenerativne bolesti kao što je Parkinsonova, ljekovi su morali da budu dovoljno mali da mogu da prođu kroz krvno-moždanu barijeru.
„Ali čak i ako naučnici ograniče svoj lov na ljekove na male molekule, još imate ogromnu količinu izbora. Broj mogućih molekula je mnogo veći od broja mogućih atoma u Univerzumu“, kaže Vendruskolo
Moć vještačke inteligencije je da može vrlo brzo da suzi tu potragu.
„Možemo da analiziramo ove podatke i napravimo veoma precizna predviđanja o načinu na koji će se kandidati molekuli vezati za metu u masovnosti koja je bila nezamisliva do prije samo nekoliko godina“, kaže Vendruskolo.
Uz tradicionalnije metode, naučnici mogu da pregledaju milion molekula za šest mjeseci po cijeni od nekoliko miliona funti.
„Sada možete da uradite isto to za nekoliko dana, ali da pregledate milijarde molekula, po cijeni od svega nekoliko hiljada funti.“
Vendruskolova jedinjenja koja je predložila vještačka inteligencija potom se provjeravaju u laboratoriji.
„Izmjerili smo koji se od kandidata zapravo vezuju za Levijeva tijela i onda smo te informacije ubacili nazad u program mašinskog učenja, da bi mogao da uči na vlastitim greškama“, kaže on.
Na kraju su pronašli pet potencijalnih novih jedinjenja brže i efikasnije od konvencionalnog pristupa.
Jedinjenja koja je pronašla vještačka inteligencija takođe su bila mnogo novija nego što bi bilo nađeno uz pomoć tradicionalnijih metoda za razvoj ljekova, kaže Vendruskolo.
Oni sada vrše dodatna testiranja kako bi procijenili da li bi jednog dana mogli da budu ponuđeni kao terapija za pacijente sa Parkinsonovom bolešću.
Vendruskolo se nada da će jednog dana vještačka inteligencija pomoći u zaustavljanju Parkinsonove bolesti prije nego što ona uopšte započne.
Koristi ovu tehnologiju da pronađe male molekule koji se vezuju za pojedinačne proteine koji formiraju Levijeva tijela dok su još u normalnom stanju.
„Ako možemo da stabilizujemo proteine u ovom obliku vezujući ih za njih, onda bi to spriječilo Parkinsonovu bolest, što je bolje nego da smo je izliječili.“
Nova namjena starih ljekova
Liječenje bolesti ne podrazumijeva uvijek nove ljekove.
Dejvid Fajgenbaum, docent medicine na Univerzitetu u Pensilvaniji, uspio je da spase samom sebi život postojećim lijekom koji mu ljekari nikad ne bi prepisali.
Sa 25 godina, dok je još studirao medicinu, Fajgenbaumu je postavljena dijagnoza rijetkog podtipa poremećaja zvanog Kaslmanova bolest.
Ovo oboljenje pokreće reakciju imunog sistema, pa jetra, bubrezi i koštana srž počinju da otkazuju.
Dejvidu nije pomogao ni jedan dostupan metod liječenja i lekari su mu rekli da ne znaju što da rade.
Poslije više nedjelja testiranja vlastite krvi, čitajući medicinsku literaturu i liječeći samog sebe, naišao je na potencijalno rješenje - ni po čemu poseban lijek zvani sirolimus.
On se obično daje onima kojima je izvršena transplantacija bubrega kako bi se spriječilo odbacivanje njihovog novog organa.
Upotrijebio je ovaj lijek da pobijedi Kastmanovu bolest, koja je sada u remisiji već više od decenije.
Njegovo iskustvo pokazalo mu je da postoji potencijal u hiljadama ljekova koji su već prošli kroz iscrpno testiranje da bi mogli da izađu na tržište.
Ako koriste ove ljekove da liječe neka druga stanja, pacijenti dobijaju liječenje koje inače ne bi imali.
Fajgenbaum je 2022. godine osnovao neprofitnu organizaciju nazvanu Svaki lijek, gdje koristi mašinsko učenje da bi uporedio hiljade ljekova sa hiljadama bolesti.
Ljekovi koji najviše obećavaju testiraju se u laboratorijama ili se šalju ljekarima voljnim da eksperimentišu.
Fajgenbaum je najistaknutiji naučnik koji je iskoristio vještačku inteligenciju na ovaj način, ali i drugi su već počeli da ostvaruju napretke.
Na Medicinskom fakultetu na Harvardu, model vještačke inteligencije pronašao je skoro 8.000 odobrenih ljekova koji potencijalno mogu da budu prenamijenjeni da liječe 17.000 različitih bolesti.
A vještačka inteligencija se pokazala posebno korisnom za pronalaženje metoda liječenja rijetkih bolesti koje se često zanemaruju među farmaceutskim kompanijama, zbog odsustva finansijskog podsticaja koji nudi mali broj potencijalnih pacijenata.
Prenamjena postojećih ljekova nudi još jednu priliku.
Posljednjih godina je veštačka inteligencija pronašla potencijal za prenamjenjevanje postojećih metoda liječenja za stanja kao što su rijetki hromozomski poremećaj Pit- Hopkinsov sindrom, retku inflamatornu bolest sarkoidoza i rijetki kancer bubrega koji pogađa malu djecu, Vilmsov tumor.
Istraživači sa Univerziteta Mekgil u Montrealu, u Kvebeku, u Kanadi, nedavno su iskoristili vještačku inteligenciju da prenamene ljekove za idiopatsku pulmonalnu fibrozu (IPF), rijetku progresivnu bolest pluća koju karakterišu ožiljci i zadebljanja na tkivu pluća.
Njihov pristup podrazumevao je modelovanje progresije bolesti sa modelom vještačke inteligencije.
„Većinu složenih bolesti pokreće abnormalna promena stanja ćelija“, kaže jedan od istraživača Jun Ding, docent na katedri za medicinu na Univerzitetu Mekgil.
„Ako uspijemo da ustanovimo kako će ćelija od zdrave postala abnormalna, možda to možemo da zaustavimo ili makar usporimo.“
Prvo, istraživači su izvukli plućne ćelije iz zdravih učesnika i pacijenata u različitim stadijumima napretka bolesti, koristeći sekvenciranje DNK visoke rezolucije da bi generisali pregršt podataka.
To im je omogućilo da vide kako su se ćelije mijenjale tokom trajanja bolesti.
Potom su izradili model generativne vještačke inteligencije koji će to simulirati, mapirajući tranzicije raznih ćelijskih stanja i populacija kako je bolest napredovala.
Usput je ona takođe isticala bilo koje biomarkere koji se mogu koristiti za dijagnozu bolesti i potencijalne terapeutske mete.
„Mi to nazivamo sistem virtuelnih bolesti“, kaže Ding.
Tradicionalno, ljekovi su testirani na životinjama ili na izolovanim ljudskim ćelijama.
Željeli su da primijene istu paradigmu samo sa vještačkom inteligencijom – praktično simulirajući efekte IPF-a na virtuelne ćelije.
„Istraživači potom mogu da testiraju uticaj primijene različitih ljekova na model bez previše troškova“, Ding.
U Mekgilovoj studiji, vještačka inteligencije je predložila osam kandidata za opcije liječenja IPF-a.
Jedan kandidat koji obećava je lijek koji se obično prepisuje za hipertenziju, nudeći jeftinu opciju koja se već pokazala bezbjednom.
Ding kaže da bi vještačka inteligencija koju su on i njegove kolege razvili mogla da se koristi i na drugim bolestima, među kojima su kanceri i plućna stanja.
Njegov tim nastavlja da usavršava model i diversifikuje ga za razna druga stanja.
IPF je doživio nedavno još jedan proboj zahvaljujući vještačkoj inteligenciji.
Insiliko Medisin, kompanija za otkrivanje ljekova uz pomoć vještačke inteligencije, proizveo je kandidata za lijek po imenu Rentosertib.
U drugoj fazi kliničkih ispitivanja, pokazao je da on obećava u borbi protiv IPF-a.
Kompanija je upotrijebila vještačku inteligenciju i da identifikuje potencijalne slabosti kod bolesti i da izradi lijek koji bi mogao da je napadne.
Ona se nada da ako ispitivanja budu uspješna, lek bi mogao da postane dostupan do kraja decenije. A Insiliko Medisin nije u tome usamljen.
Druge kompanije kao što su Teraj, Izomorfik Lebs, Rekuržen Farmasjutikals i Šredinger takođe žele da ostvare medicinski napredak uz pomoć vještačke inteligencije.
„Moje uvjerenje je da bi, u narednih pet do 10 godina, izradu većine novih ljekova mogla da usmjerava vještačka inteligencija, ili čak da budu u potpunosti zasnovani na vještačkoj inteligenciji“, kaže Ding.
Ograničena revolucija
Ali uprkos ostvarenom napretku, postoje neka ograničenja. Mnoge skupove podataka o ljekovima drže biotehnološke i farmaceutske kompanije, što znači da nijesu javno dostupni.
„Morate da dođete do podataka o svojstvima ljekova kao što su apsorpcija, distribucija, lučenje, toksičnost. Mi nemamo te skupove podataka“, kaže Kolins.
U ovom trenutku, vještačka inteligencija je najkorisnija u prvobitnom dijelu provjere procesa izrade lijeka: u identifikaciji mete i pronalaženju molekula koji će se vezati za metu.
Ovo su samo dva koraka u dugom procesu neophodnom za razvoj novih ljekova, što znači da bi moglo da prođe neko vrijeme prije nego što bilo koji od ovih potencijalnih tretmana pronađe put do pacijenta, ako se to uopšte dogodi.
„Vještačka inteligencija uvodi revoluciju u otkrivanje ljekova. Ali samo na vrlo konkretne načine“, kaže Vendruskolo.
