בינה מלאכותית גילתה אנטיביוטיקה חדשה ומפתיעה

המהפכה האחרונה בתחום הבינה המלאכותית (AI) מציעה תקווה חדשה. במחקר שפורסם ב- 20 בפברואר בכתב העת Cell, מדענים מ- MIT והרווארד השתמשו בסוג של בינה מלאכותית הנקרא למידה עמוקה כדי לגלות אנטיביוטיקה חדשה

מאת סרירם צ’נדרסקרן, עוזר לפרופסור להנדסה ביו-רפואית, אוניברסיטת מישיגן

דמיינו שאתם ציידי מאובנים. אתם מבלים חודשים בחום באריזונה בחפירת עצמות רק כדי לגלות שמה שגיליתם הוא עצמות מדינוזאור שהתגלה בעבר. כך מתבצע החיפוש אחר אנטיביוטיקה עד לאחרונה. מעט מאוד אנטיביוטיקה חדשה נמתגלה, ובכל החיפושים עולים שוב ושוב אותם סוגים של אנטיביוטיקה.

עם העלייה המהירה בעמידות לתרופות בקרב חיידקים רבים, יש צורך נואש באנטיביוטיקה חדשה. יתכן וזה רק עניין של זמן עד שפצע או שריטה יהפכו לסכנת חיים. עם זאת מעט אנטיביוטיקה חדשה נכנסה לשוק, ואפילו אלה רק גרסאות קלות של אנטיביוטיקה ישנה.

בעוד שהסיכויים נראים עגומים, המהפכה האחרונה בתחום הבינה המלאכותית (AI) מציעה תקווה חדשה. במחקר שפורסם ב- 20 בפברואר בכתב העת Cell, מדענים מ- MIT והרווארד השתמשו בסוג של בינה מלאכותית הנקרא למידה עמוקה כדי לגלות אנטיביוטיקה חדשה .

הדרך המסורתית לגלות אנטיביוטיקה – מתמציות אדמה או צמחים – לא חשפה מועמדים חדשים, וישנם מכשולים חברתיים וכלכליים רבים גם לפתור בעיה זו. כמה מדענים ניסו לאחרונה להתמודד עם זה באמצעות חיפוש ב- DNA של חיידקים אחר גנים חדשים המייצרים אנטיביוטיקה. אחרים מחפשים אנטיביוטיקה במקומות אקזוטיים כמו באף שלנו.

תרופות שנמצאו בשיטות כה לא שגרתיות עומדות בפני דרך ארוכה וקשה כדי להגיע לשוק. התרופות היעילות בצלחות פטרי עשויות לא לעבוד טוב בגוף. יתכן שהן לא נספגות היטב או שהן עשויות לגרום לתופעות לוואי. ייצור תרופות אלה בכמויות גדולות הוא גם אתגר משמעותי.

למידה עמוקה

אלגוריתמים של למידה עמוקה אלו מעצימים רבים ממערכות זיהוי הפנים של ימינו לרבות מכוניות אוטונומיות. הם מחקים את הדרך שבה נוירונים במוחנו פועלים על ידי דפוסי למידה של נתונים. נוירון מלאכותי אינדיבידואלי עשוי לאתר דפוסים פשוטים כמו קווים או עיגולים. על ידי שימוש באלפי נוירונים מלאכותיים אלו, למידה עמוקה יכולה לבצע משימות מורכבות במיוחד כמו זיהוי חתולים בסרטונים או איתור גידולים בתמונות ביופסיה .
בהתחשב בכוחה ובהצלחתה של השיטה, יתכן שלא יהיה מפתיע ללמוד כי חוקרים המחפשים אחר תרופות חדשות מאמצים למידה מעמיקה. עם זאת, בניית שיטת בינה מלאכותית לגילוי תרופות חדשות אינה משימה של מה בכך. לרוב זה מכיוון שבתחום ה- AI אין ארוחת בחינם. המשמעות היא שאם אלגוריתם מבצע בצורה מרהיבה משימה אחת, נניח זיהוי פנים, אז הוא ייכשל בצורה מרהיבה במשימה אחרת, כמו גילוי תרופות.
צוות הרווארד-MIT השתמש בסוג חדש של למידה עמוקה בשם “רשתות עצביות גרפיות” לגילוי תרופות. עוד ב”תקופת האבן” של ה-AI בשנת 2010, נבנו דגמי AI לגילוי תרופות באמצעות תיאורי טקסט של כימיקלים. זה כמו לתאר את פניו של אדם באמצעות מילים כמו “עיניים כהות” ו”אף ארוך”. תיאורי טקסט אלה מועילים אך ברור שהם לא מציירים את כל התמונה. שיטת ה- AI המשמשת את צוות הרווארד-MIT מתארת כימיקלים כרשת אטומים, מה שמאפשר לאלגוריתם תמונה מלאה יותר של הכימיקלים ממה שתיאורי טקסט יכולים לספק.

ידע אנושי ושכבות AI

עם זאת, למידה עמוקה בלבד אינה מספיקה כדי לגלות אנטיביוטיקה חדשה. זה צריך להיות יחד עם ידע ביולוגי מעמיק של זיהומים. צוות הרווארד-MIT אימן בקפדנות את אלגוריתם ה- AI בעזרת דוגמאות לתרופות יעילות וכאלה שאינן יעילות. בנוסף, הם השתמשו בתרופות הידועות כבטוחות כדי לזהות אנטיביוטיקה פוטנציאלית בטוחה אך חזקה מבין מיליוני כימיקלים.
בניגוד לאנשים, ל- AI אין מושגים מראש, במיוחד לגבי איך אמורה להראות אנטיביוטיקה. במעבדת AI של בית הספר הישן גילתה המעבדה שלי לאחרונה כמה מועמדים מפתיעים לטיפול בשחפת , כולל תרופה אנטי-פסיכוטית. במחקר שערך צוות הרווארד-MIT, הם מצאו מכרה זהב של אנטיביוטיקות מועמדות חדשות. התרופות המועמדות הללו לא נראות כמו אנטיביוטיקה קיימת. מועמד מבטיח אחד הוא הליצין, תרופה הנבדקת לטיפול בסוכרת.
באופן מפתיע, הליצין היה חזק לא רק כנגד E. coli, החיידק שעליו הוכשר אלגוריתם ה- AI, אלא גם נגד פתוגנים קטלניים יותר, כולל אלה הגורמים לשחפת ולדלקת במעי הגס. ראוי לציין כי הליצין היה חזק כנגד Acinetobacter baumanni העמידים לתרופות. חיידק זה נמצא בראש רשימת הפתוגנים הקטלניים ביותר שנערכה על ידי המרכז לבקרת מחלות ומניעה.
לרוע המזל, עוצמתו החזקה של הליצין גורמת להרג של חיידקים לא מזיקים בגופנו. יתכנו גם תופעות לוואי מטבוליות, מכיוון שהיא תוכננה במקור כתרופה נגד סוכרת. בהתחשב בצורך הקשה באנטיביוטיקה חדשה, אלה עשויות להיות הקרבות קטנות שיש לשלם כדי להציל חיים.

ממשיכים באבולוציה

בהינתן ההבטחה של הליצין, האם עלינו להפסיק את החיפוש אחר אנטיביוטיקה חדשה?

הליצין עשוי לגבור על כל המכשולים ובסופו של דבר להגיע לשוק. אך עדיין הוא צריך להתגבר על אויב תמידי שהוא הגורם העיקרי למשבר ההתנגדות לתרופות: אבולוציה. בני אדם הפריזו במתן תרופות לפתוגנים במהלך המאה האחרונה. עם זאת, הפתוגנים תמיד פיתחו עמידות. אז ככל הנראה לא ייקח הרבה זמן עד שנתקל בזיהום עמיד לליצין. עם זאת, עם הכוח של למידה עמוקה, כעת אנו עשויים להגיב במהירות באמצעות אנטיביוטיקה חדשה.
אתגרים רבים עומדים בפני אנטיביוטיקה פוטנציאלית שהתגלתה באמצעות AI עד שתגיע למרפאה. התנאים בהן נבדקות תרופות אלו שונות מאלה שבתוך גוף האדם. המעבדה שלי ואחרים בונים כלי AI חדשים כדי לדמות את הסביבה הפנימית של הגוף כדי להעריך את עוצמת השפעת האנטיביוטיקה. דגמי AI יכולים כעת גם לחזות רעילות לתרופות ותופעות לוואי. טכנולוגיות AI אלה יחד עשויות בקרוב לתת לנו יתרון בקרב הבלתי נגמר נגד העמידות לתרופות.

לכתבה ב-The Conversation