À medida que a crise global da saúde da resistência a antibióticos continua a crescer, causando mais de um milhão de mortes a cada ano, os pesquisadores estão se voltando para a inteligência artificial para criar armas totalmente novas contra superbactérias. De acordo com um recente relatório pelo correspondente de saúde e ciência da BBC, James Gallagher, uma equipe do Instituto de Tecnologia de Massachusetts (MIT) usou AI generativa Inventar dois novos antibióticos em potencial do zero. O estudo, publicado na revista Céluladetalhes como esses compostos projetados pela IA mataram com sucesso a gonorréia e o MRSA resistentes a drogas em testes de laboratório e animal, oferecendo um potencial avanço em um campo que tem escassez de novos medicamentos há décadas.
Como a IA está aprendendo a inventar novos medicamentos
Ao contrário das abordagens anteriores que usaram a IA para rastrear milhares de produtos químicos existentes para o potencial de antibióticos, a equipe do MIT deu um passo significativo ao usar AI generativa projetar moléculas completamente novas atom-by-atom. Para conseguir isso, os pesquisadores treinaram primeiro seu modelo de IA, fornecendo a ele as estruturas químicas de compostos conhecidos, juntamente com os dados sobre se eles eram eficazes para diminuir o crescimento de diferentes espécies de bactérias. Esse processo permitiu à IA aprender como diferentes arranjos moleculares de átomos como carbono, oxigênio e hidrogênio afetam as bactérias.
Uma vez treinado, a IA interrogou um conjunto de dados enorme de 36 milhões Compostos químicos, incluindo muitos que ainda não existem ou não foram descobertos. Os pesquisadores usaram dois métodos diferentes para gerar novos candidatos a antibióticos. A primeira abordagem envolveu a identificação de um fragmento químico promissor de uma biblioteca e depois construindo sobre ela, enquanto o segundo método deu à AI Rein para projetar uma nova molécula desde o início. O processo de design também incluiu várias restrições importantes para garantir que as saídas fossem viáveis. A IA foi programada para eliminar qualquer designs que parecia muito parecido com os antibióticos existentes, para filtrar qualquer coisa prevista para ser tóxica para os seres humanos e garantir que ele fosse inventar medicamentos em vez de substâncias como sabão.
Resultados promissores e obstáculos significativos à frente
O processo de design orientado a IA resultou em dois novos medicamentos em potencial direcionados especificamente na infecção sexualmente transmissível gonorréia e Staphylococcus aureus resistente à meticilina, ou MRSAuma bactéria que pode causar infecções graves. Quando esses compostos foram fabricados, eles foram testados com sucesso em bactérias no laboratório e em camundongos infectados. O professor James Collins, um dos pesquisadores do MIT, afirmou que este trabalho mostra que AI generativa pode ser usado para criar novas moléculas de forma barata e rápida, potencialmente iniciando uma “segunda idade de ouro” na descoberta de antibióticos.
Apesar desses resultados promissores, o caminho para o uso clínico é longo e cheio de desafios. Os dois compostos não estão prontos para ensaios humanos e exigirão um um a dois Mais anos de refinamento antes que o longo processo de testá -los nas pessoas pudesse começar. Um grande obstáculo é a dificuldade de fabricar as moléculas complexas projetadas pela IA. No caso dos tratamentos da gonorréia, do topo 80 Compostos projetados em teoria, os pesquisadores só conseguiram sintetizar com sucesso dois deles no laboratório.
Além dos desafios científicos e de fabricação, também há um problema econômico significativo enfrentado pelo desenvolvimento de antibióticos. Se um novo antibiótico fosse inventado, seu uso precisaria ser restrito para preservar sua eficácia contra bactérias em evolução. Essa cautela necessária dificulta que as empresas farmacêuticas obtenham lucro em seu investimento. Além disso, especialistas no campo observam que os modelos de descoberta de medicamentos de IA ainda precisam ser aprimorados. O professor Collins pediu “melhores modelos” que podem prever com mais precisão como um medicamento se apresentará no corpo humano, não apenas em um laboratório.
