За ове болести се мислило да су неизлечиве, сада вештачка интелигенција помаже

Вештачка интелигенција проналази нове лекове за Паркинсонову болест, супербактерије отпорне на антибиотике и открива бројна ретка обољења.

То је напредак за који многи научници нису ни сањали да ће се догодити.

Човечанство је пола века губило битку против бактерија.

Најмоћније оружје које имамо у овој борби, антибиотици, постају неефикасни.

Око 1,1 милион људи сада умире сваке године од инфекција које су се донедавно лако лечиле.

А очекује се да број умрлих нарасте на више од осам милиона до 2050. године уколико се нешто хитно не предузме.

Израда нових антибиотика је излуђујуће спор и скуп процес.

Између 2017. и 2022. године, за употребу је одобрено само 12 нових антибиотика, од чега су већина били слични већ постојећим типовима лекова на које бактерије већ развијају отпорност.

Ова област је хронично занемарена, јер нема довољно интересовања компанија за производњу лекова и недовољног финансирања.

Али сада истраживачи покушавају да попуне ту рупу, а неки се ослањају на вештачку интелигенцију да им помогне у томе.

„Можемо, у року од неколико дана или сати, да прегледамо огромне библиотеке хемијских једињења да бисмо идентификовали она која показују антибиотске активности“, каже Џејмс Колинс, професор медицинског инжењеринга и науке, на Масачусетском институту за технологију у Кембриџу.

Уз помоћ вештачке интелигенције, Колинс и његов тим већ су открили два нова једињења која би могла да се покажу кључним оружјем у борби против инфекција изузетно отпорних на лекове као што су гонореја и МРСА.

То је само један пример како вештачка интелигенција отвара путеве за нову еру откривања лекова - обећавајући напредак по питању неких од најнерешивијих медицинских проблема нашег времена.

Научници усмеравају вештачку интелигенцију на стања без познатог лека као што је Паркинсонова болест, и хиљаде ретких болести, у нади за новим помацима.

Колинс и његов тим обучили су генеративни модел вештачке интелигенције да препознаје хемијску структуру познатих антибиотика.

То је омогућило алгоритму да научи шта је потребно да би се убила бактерија.

Истраживачи су потом употребили вештачку интелигенцију да прегледају више од 45 милиона различитих хемијских структура у потрази за њиховом способношћу да гађају Неиссериа гоноррхоеае, бактерију која изазива гонореју, и Стапхyлоцоццус ауреус, значајан извор инфекција као МРСА.

Обе ове бактерије су изузетно отпорне на лекове - гонореја може да буде отпорна на сваки лек.

Тренутно се смањује број доступних антибиотика за борбу против обе болести.

Колинсов метод је користио вештачку интелигенцију да направи потпуно нова једињења за борбу против бактерија.

У једном приступу, изабрао је молекул као почетну тачку и користио комбинацију техника генеративне вештачке интелигенције за његову израду, „додајући везе, атоме, подструктуре“, каже он.

У сваком критичном стадијуму, једињење је оцењивао његов обучени модел вештачке интелигенције користећи питање - „Да ли ово изгледа као антибиотик? Да ли се приближава потенцијалном антибиотику?“

Други приступ је подразумевао одбацивање почетног једињења и дозвољавање вештачкој интелигенцији да импровизује од самог почетка.

Колинс и његове колеге су на овај начин пронашли 36 милиона једињења са потенцијалом да раде против бактерија.

Тим је од њих одабрао 24 за синтетисање у лабораторији.

Седам се показало да има неку антимикропску активност, а два су била изузетно ефикасна у убијању обе врсте бактерија које су биле отпорне на друге типове антибиотика.

Што је најважније, једињења као да нападају бактерије на другачије начине у односу на већ постојеће антибиотике, пробудивши наду да могу да формирају нову класу лекова способних да савладају одбрану бактерија отпорних на лекове.

Они тренутно пролазе тестирање још два кандидата.

Колинс и његова лабораторија су претходно користили вештачку интелигенцију да открију друга нова моћна антибиотска једињења која убијају широк дијапазон бактерија отпорних на лечење, међу њима Цлостридиум диффициле, честу инфекцију црева, и Мyцобацтериум туберцулосис, која изазива туберкулозу.

За неке болести, међутим, истраживачи немају луксуз надовезивања на постојеће лекове да би помогли да се нађу нови методи лечења.

Уместо тога, морају да почну с оним што се зна о самој болести.

У неким случајевима, међутим, чак и им том даје врло мало полазишта.

Напредак са Паркинсоновом болешћу

Паркинсонова болест је први пут била откривена 1817. године, али више од два века касније, још увек нема лечења које успорава напредовање ове болести.

Широм света има више од 10 милиона пацијената са Паркинсоновом болешћу, а та стопа расте у земљама са остарелом популацијом.

Отприлике један на сваких 37 људи у Великој Британији добиће дијагнозу у неком тренутку свог живота.

У Америци до милион људи тренутно живи с овом болешћу.

Дуготрајни напори за лечење Паркинсонове болести били су препуни неуспеха.

Део проблема је што још увек не знамо шта изазива болест.

„Воде се бескрајне расправе о пореклу поремећаја“, каже Мишел Вендрусколо, професор биофизике и коуредник у Центру за болести погрешног свијања протеина на Универзитету у Кембриџу, у Великој Британији.

„Ако одете на неку конференцију о Паркинсоновој болести, чућете десетине различитих хипотеза које се све активно истражују.“

То невероватно отежава проналажење лека за спречавање болести.

Водио се огроман број клиничких испитивања која су истраживала различите хипотезе, али, до сада, све су оне биле неуспешне, каже Вендрусколо.

„Људи су истински збуњени око тога шта треба да буде циљ“, каже он.

„Чак и ако знате циљ, обично га је веома тешко достићи.“

Али 2024. године, Вендрусколо и његове колеге објавили су студију у којој су користили машинско учење (облик вештачке интелигенције) у трагању за потенцијалним кандидатима способним да гађају грудвице погрешно савијеног протеина у мозгу које се јављају код пацијената са Паркинсоновом болешћу.

Верује се да агрегати протеина, познати као Левијева тела, играју неку улогу у првобитним стадијумима неуродегенерације код оболелих од Паркинсонове болести, на крају довевши до симптома као што су дрхтање, успореност покрета и укоченост мишића.

У овом тренутку, најефикаснији метод лечења Паркинсонове болести је Ледовопа, лек који помаже да се побољшају симптоми болести, али може да изазове нуспојаве као што су невољни покрети.

Вендрусколо је усредсређен на заустављање напретка саме болести.

Он и његов тим су кренули од скупа једињења која су већ била идентификована као потенцијално ефикасни третман против Левијевих тела.

Убацио их је програм за машинско учење, који је екстраполирао њихову хемијску структуру да би предложио нова једињења која би такође могла бити ефикасна.

Да би се лечиле неуродегенеративне болести као што је Паркинсонова, лекови су морали да буду довољно мали да могу да прођу кроз крвно-мождану баријеру.

Али чак и ако научници ограниче свој лов на лекове на мале молекуле, „још увек имате огромну количину избора“, каже Вендрусколо.

„Број могућих молекула је много већи од броја могућих атома у Универзуму.“

Моћ вештачке интелигенције је да може врло брзо да сузи ту потрагу.

„Можемо да анализирамо ове податке и направимо веома прецизна предвиђања о начину на који ће се кандидати молекули везати за мету у масовности која је била незамислива до пре само неколико година“, каже Вендрусколо.

Уз традиционалније методе, научници могу да прегледају милион молекула за шест месеци по цени од неколико милиона фунти.

„Сада можете да урадите исто то за неколико дана, али да прегледате милијарде молекула, по цени од свега неколико хиљада фунти.“

Вендрусколова једињења која је предложила вештачка интелигенција потом се проверавају у лабораторији.

„Измерили смо који се од кандидата заправо везују за Левијева тела и онда смо те информације убацили назад у програм машинског учења, да би могао да учи на властитим грешкама“, каже он.

На крају су пронашли пет потенцијалних нових једињења брже и ефикасније од конвенционалног приступа.

Једињења која је пронашла вештачка интелигенција такође су била много новија него што би било нађено уз помоћ традиционалнијих метода за развој лекова, каже Вендрусколо.

Они сада врше додатна тестирања како би проценили да ли би једног дана могли да буду понуђени као терапија за пацијенте са Паркинсоновом болешћу.

Вендрусколо се нада да ће једног дана вештачка интелигенција помоћи у заустављању Паркинсонове болести пре него што она уопште започне.

Користи ову технологију да пронађе мале молекуле који се везују за појединачне протеине који формирају Левијева тела док су још у нормалном стању.

„Ако можемо да стабилизујемо протеине у овом облику везујући их за њих, онда би то спречило Паркинсонову болест, што је боље него да смо је излечили.“

Нова намена старих лекова

Лечење болести не подразумева увек нове лекове.

Дејвид Фајгенбаум, доцент медицине на Универзитету у Пенсилванији, успео је да спасе самом себи живот постојећим леком који му лекари никад не би преписали.

Са 25 година, док је још студирао медицину, Фајгенбауму је постављена дијагноза ретког подтипа поремећаја званог Каслманова болест.

Ово обољење покреће реакцију имуног система, па јетра, бубрези и коштана срж почињу да отказују.

Дејвиду није помогао ни један доступан метод лечења и лекари су му рекли да не знају шта да раде.

После више недеља тестирања властите крви, читајући медицинску литературу и лечећи самог себе, наишао је на потенцијално решење - ни по чему посебан лек звани сиролимус.

Он се обично даје онима којима је извршена трансплантација бубрега како би се спречило одбацивање њиховог новог органа.

Употребио је овај лек да победи Кастманову болест, која је сада у ремисији већ више од деценије.

Његово искуство показало му је да постоји потенцијал у хиљадама лекова који су већ прошли кроз исцрпно тестирање да би могли да изађу на тржиште.

Ако користе ове лекове да лече нека друга стања, пацијенти добијају лечење које иначе не би имали.

Фајгенбаум је 2022. године основао непрофитну организацију названу Сваки лек, где користи машинско учење да би упоредио хиљаде лекова са хиљадама болести.

Лекови који највише обећавају тестирају се у лабораторијама или се шаљу лекарима вољним да експериментишу.

Фајгенбаум је најистакнутији научник који је искористио вештачку интелигенцију на овај начин, али и други су већ почели да остварују напретке.

На Медицинском факултету на Харварду, модел вештачке интелигенције пронашао је скоро 8.000 одобрених лекова који потенцијално могу да буду пренамењени да лече 17.000 различитих болести.

А вештачка интелигенција се показала посебно корисном за проналажење метода лечења ретких болести које се често занемарују међу фармацеутским компанијама, због одсуства финансијског подстицаја који нуди мали број потенцијалних пацијената.

Пренамена постојећих лекова нуди још једну прилику.

Последњих година је вештачка интелигенција пронашла потенцијал за пренамењевиње постојећих метода лечења за стања као што су ретки хромозомски поремећај Пит- Хопкинсов синдром, ретку инфламаторну болест саркоидоза и ретки канцер бубрега који погађа малу децу, Вилмсов тумор.

Истраживачи са Универзитета Мекгил у Монтреалу, у Квебеку, у Канади, недавно су искористили вештачку интелигенцију да пренамене лекове за идиопатску пулмоналну фиброзу (ИПФ), ретку прогресивну болест плућа коју карактеришу ожиљци и задебљања на ткиву плућа.

Њихов приступ подразумевао је моделовање прогресије болести са моделом вештачке интелигенције.

„Већину сложених болести покреће абнормална промена стања ћелија“, каже један од истраживача Јун Динг, доцент на катедри за медицину на Универзитету Мекгил.

„Ако успемо да установимо како ће ћелија од здраве постала абнормална, можда то можемо да зауставимо или макар успоримо.“

Прво, истраживачи су извукли плућне ћелије из здравих учесника и пацијената у различитим стадијумима напретка болести, користећи секвенцирање ДНК високе резолуције да би генерисали прегршт података.

То им је омогућило да виде како су се ћелије мењале током трајања болести.

Потом су израдили модел генеративне вештачке интелигенције који ће то симулирати, мапирајући транзиције разних ћелијских стања и популација како је болест напредовала.

Успут је она такође истицала било које биомаркере који се могу користити за дијагнозу болести и потенцијалне терапеутске мете.

„Ми то називамо систем виртуелних болести“, каже Динг.

Традитионално, лекови су тестирани на животињама или на изолованим људским ћелијама.

Желели су да примене исту парадигму само са вештачком интелигенцијом – практично симулирајући ефекте ИПФ-а на виртуелне ћелије.

„Истраживачи потом могу да тестирају утицај примене различитих лекова на модел без превише трошкова“, Динг.

У Мекгиловој студији, вештачка интелигенције је предложила осам кандидата за опције лечења ИПФ-а.

Један кандидат који обећава је лек који се обично преписује за хипертензију, нудећи јефтину опцију која се већ показала безбедном.

Динг каже да би вештачка интелигенција коју су он и његове колеге развили могла да се користи и на другим болестима, међу којима су канцери и плућна стања.

Његов тим наставља да усавршава модел и диверсификује га за разна друга стања.

ИПФ је доживео недавно још један пробој захваљујући вештачкој интелигенцији.

Инсилико Медисин, компанија за откривање лекова уз помоћ вештачке интелигенције, произвео је кандидата за лек по имену Рентосертиб.

У другој фази клиничких испитивања, показао је да он обећава у борби против ИПФ-а.

Компанија је употребила вештачку интелигенцију и да идентификује потенцијалне слабости код болести и да изради лек који би могао да је нападне.

Она се нада да ако испитивања буду успешна, лек би могао да постане доступан до краја деценије.

А Инсилико Медисин није у томе усамљен.

Друге компаније као што су Терај, Изоморфик Лебс, Рекуржен Фармасјутикалс и Шредингер такође желе да остваре медицински напредак уз помоћ вештачке интелигенције.

„Моје уверење је да би, у наредних пет до 10 година, израду већине нових лекова могла да усмерава вештачка интелигенција, или чак да буду у потпуности засновани на вештачкој интелигенцији“, каже Динг.

Ограничена револуција

Али упркос оствареном напретку, постоје нека ограничења.

Многе скупове података о лековима држе биотехнолошке и фармацеутске компаније, што значи да нису јавно доступни.

„Морате да дођете до података о својствима лекова као што су апсорпција, дистрибуција, лучење, токсичност.

„Ми немамо те скупове података“, каже Колинс.

У овом тренутку, вештачка интелигенција је најкориснија у првобитном делу провере процеса израде лека: у идентификацији мете и проналажењу молекула који ће се везати за мету.

Ово су само два корака у дугом процесу неопходном за развој нових лекова, што значи да би могло да прође неко време пре него што било који од ових потенцијалних третмана пронађе пут до пацијента, ако се то уопште догоди.

„Вештачка интелигенција уводи револуцију у откривање лекова“, каже Вендрусколо.

„Али само на врло конкретне начине.“

ББЦ на српском је од сада и на Јутјубу, пратите нас ОВДЕ.

Пратите нас на Фејсбуку, Твитеру, Instagramу и Вајберу. Ако имате предлог теме за нас, јавите се на bbcnasrpskom@bbc.co.uk