Criza antibioticelor devine o problemă vizibilă în unitățile medicale, manifestată prin infecții resistente la tratamentele tradiționale și creșterea riscului pentru intervenții inutile, precum operații de rutină sau îngrijirea răilor infectate.
În același timp, sectorul farmaceutic produce tot mai puține medicamente antibacteriene inovatoare. Factori precum costurile ridicate ale cercetării, precum și utilizarea pe perioade scurte și profitul limitat comparativ cu medicamentele pentru boli cronice, limitează descoperirea de noi antimicrobiene. În această zonă, inteligența artificială promite să accelereze procesul, facilitând identificarea de noi molecule și folosirea mai eficientă a celor existente pentru a prelungi eficacitatea acestora.
De ce sunt necesare antibiotice inovatoare și rolul AI-ului în acest proces
Rezistența antimicrobiană apare când bacteriile evoluează capabile să evite acțiunea medicamentelor concepute pentru distrugerea lor. La nivel global, această problemă cauzează anual peste 1,27 milioane de decese directe și aproape 5 milioane de decese asociate cu rezistența la antibiotice. Organizația Mondială a Sănătății consideră această amenințare una majoră pentru sănătatea publică, din cauza limitării opțiunilor terapeutice disponibile.
Metodele tradiționale de descoperire a unui antibiotic nou presupun testarea bibliotecilor de compuși, optimizări chimice și studii preclinice și clinice prelungite. Însă, acest traseu este lent și costisitor, întâmpinând obstacole precum toxicitatea moleculelor, incapacitatea de a ajunge la țintă sau rapiditatea apariției rezistenței bacteriene. Inteligența artificială poate eficientiza faza inițială a căutării, unde explorarea spațiului chimic reprezintă o provocare majoră pentru metodele convenționale.
Modelele generative pot propune structuri moleculare inexistente în bazele de date, iar alte algoritme pot estima rapid proprietățile fiecărei dovezi, precum potențialul antibacterian, riscul de toxicitate sau stabilitatea chimică. Practic, în loc să cauți acul în carul cu fân, modelezi și filtrezi posibilele molecule, reducând numărul de candidate pe care trebuie să le sintetizezi efectiv în laborator.
Antibiotice dezvoltate cu ajutorul AI: inovație anunțată de MIT și importanța acesteia
Un exemplu relevant vine din cercetarea MIT, care a prezentat un cadru de AI generativ pentru crearea de noi antibiotice. Sistemul nu se limitează la bazele de date existente, ci generează noi molecule, apoi le evaluează probabilitatea de a combate bacterii periculoase, înainte de a le sintetiza în laborator.
Rezultatele s-au concentrat pe agenți patogeni deosebit de problematici, precum MRSA (Staphylococcus aureus rezistent) și Neisseria gonorrhoeae, bacteria responsabile pentru gonoree. În prezentările publice, echipa a redus numărul de candidate până la câteva molecule testate efectiv, dintre care unele au demonstrat activitate antibacteriană fără a afecta țesuturile umane în studiile inițiale. Acest aspect indică faptul că AI-ul poate suplini considerabil procesul de descoperire, economisind timp și resurse.
Totuși, este important să păstrăm un echilibru între entuziasm și realism. Obținerea unui rezultat promițător în laborator nu garantează automat aprobarea pentru uz clinic. Urmează ani de optimizare, teste pe animale, evaluări de siguranță și studii clinice, care pot eșua din cauza variabilelor imprevizibile. În ciuda acestor obstacole, AI-ul oferă posibilitatea de a genera rapid și eficient multiple candidați, crescând șansele de a descoperi un medicament eficace.
AI în administrarea antibioticelor: modelul KI.SEP pentru dozarea în sepsis
Un aspect mai puțin evidențiat, însă de o importanță crucială, îl reprezintă posibila optimizare a dozajului antibioticelor utilizate în tratamentul sepsisului, utilizând modele de învățare automată pentru a estima concentrațiile serice ale medicamentelor.
Sepsisul vine cu o variabilitate uriașă în răspunsul organismului (funcție renală, volum de distribuție, inflamație, perfuzie), ceea ce face ca dozele standard să fie insuficiente sau excesive, riscând fie eșecul terapeutic, fie toxicitatea. Monitorizarea terapeutică, prin determinarea concentrațiilor în sânge (TDM), este o metodă de referință, însă nu este disponibilă pretutindeni și nu este perfectă în fazele critice. Proiectul KI.SEP folosește modele de învățare automată pentru a estima rapid aceste concentrații, permițând ajustarea precisă a dozelor de piperacilină/tazobactam și meropenem, fără a depinde de testările de sânge zilnice.
Studiul include 200 de pacienți tratați în perfuzie continuă, cu colectare de date clinice și analize de sânge pe primele 8 zile și la externare. Modelele sunt antrenate pe un set de date, iar rezultatele vor fi integrate într-un sistem de suport decizional pentru clinicieni, oferind recomandări în timp real privind dozajul și momentele optime pentru TDM. Validarea externă va fi realizată pe un set de date independent, pentru a evita supraînvățarea modelului și a asigura aplicabilitatea în diferite contexte clinice.
Limitări, riscuri și beneficii reale pentru pacientul și sistemul de sănătate
Deși promițător, AI-ul în domeniul antibioticelor are limitările sale. În cercetare, nu se poate eluda complexitatea biologică a organismului uman, iar multe candidate pot eșua în fazele avansate din cauza siguranței, biodisponibilității sau eficienței. În practică, o problemă majoră o constituie calitatea datelor și modul în care deciziile generate de AI se aliniază cu realitatea clinică. Variabilitatea și lipsa completitudinii datelor din fișele pacienților pot afecta performanța modelelor, fiind necesare tehnici de prelucrare și selectare a variabilelor relevante. În plus, orice sistem de recomandare trebuie să fie clar interpretabil și ușor de utilizat de către profesioniștii din domeniul sănătății, pentru a fi implementabil eficace.
Convingerea asupra impactului AI-ului în sănătate trebuie să țină cont de următoarele: dezvoltarea agenților antibacterieni cu ajutorul AI poate accelera procesul, însă nu garantează medicamente autorizate rapid; utilizarea AI pentru dozarea precisă în cazuri critice, precum sepsisul, sporește șansele de succes; iar responsabilitatea în utilizarea antibioticelor nu dispare odată cu avansul tehnologic, fiind esențială prevenția și utilizarea prudentă, pentru a evita evoluția rezistenței bacteriene și apariția noilor provocări.