Imagina que eres un cazador de fósiles. Pasas meses en el calor de Arizona desenterrando huesos solo para descubrir que lo que has descubierto es de un dinosaurio descubierto anteriormente.

Así es como se ha desarrollado recientemente la búsqueda de antibióticos. Los relativamente pocos cazadores de antibióticos siguen encontrando los mismos tipos de antibióticos.

Con el rápido aumento de la resistencia a los medicamentos en muchos patógenos, Se necesitan desesperadamente nuevos antibióticos. Puede que sea solo cuestión de tiempo antes de que una herida o un rasguño se convierta en una amenaza para la vida. Sin embargo, últimamente han entrado en el mercado pocos antibióticos nuevos, e incluso estas son variantes menores de antibióticos antiguos.

Si bien las perspectivas parecen sombrías, la reciente revolución de la inteligencia artificial (IA) ofrece nuevas esperanzas. En un estudio publicado el 20 de febrero en la revista Celda , Los científicos del MIT y Harvard utilizaron un tipo de inteligencia artificial llamada aprendizaje profundo para descubrir nuevos antibióticos.

La forma tradicional de descubrir antibióticos, a partir del suelo o extractos de plantas, no ha revelado nuevos candidatos, y existen muchos obstáculos sociales y económicos para resolver este problema, así como. Algunos científicos han intentado abordarlo recientemente buscando en el ADN de las bacterias nuevos genes productores de antibióticos. Otros buscan antibióticos en lugares exóticos como nuestras narices.

Los medicamentos que se encuentran a través de métodos tan poco convencionales enfrentan un camino difícil para llegar al mercado. Es posible que los medicamentos que son efectivos en una placa de Petri no funcionen bien dentro del cuerpo. Es posible que no se absorban bien o que tengan efectos secundarios. La fabricación de estos medicamentos en grandes cantidades también es un desafío importante.

Aprendizaje profundo

Ingrese al aprendizaje profundo. Estos algoritmos impulsan muchos de los sistemas de reconocimiento facial y los automóviles autónomos de la actualidad. Imitan cómo funcionan las neuronas de nuestro cerebro aprendiendo patrones en los datos. Una neurona artificial individual, como un mini sensor, puede detectar patrones simples como líneas o círculos. Al usar miles de estas neuronas artificiales, La IA de aprendizaje profundo puede realizar tareas extremadamente complejas como reconocer gatos en videos o detectar tumores en imágenes de biopsias.

Dado su poder y éxito, Puede que no sea sorprendente saber que los investigadores que buscan nuevos fármacos están adoptando la inteligencia artificial de aprendizaje profundo. Sin embargo, construir un método de inteligencia artificial para descubrir nuevas drogas no es una tarea trivial. En gran parte, esto se debe a que en el campo de la IA no hay almuerzo gratis.

El teorema de No Free Lunch establece que no existe un algoritmo universalmente superior. Esto significa que si un algoritmo funciona de manera espectacular en una tarea, decir reconocimiento facial, entonces fallará espectacularmente en una tarea diferente, como el descubrimiento de fármacos. Por lo tanto, los investigadores no pueden simplemente usar la inteligencia artificial de aprendizaje profundo lista para usar.

El equipo de Harvard-MIT utilizó un nuevo tipo de inteligencia artificial de aprendizaje profundo llamado redes neuronales gráficas para el descubrimiento de fármacos. En la edad de piedra de la IA de 2010, Los modelos de IA para el descubrimiento de fármacos se construyeron utilizando descripciones de texto de sustancias químicas. Es como describir el rostro de una persona con palabras como "ojos oscuros" y "nariz larga". Estos descriptores de texto son útiles, pero obviamente no pintan la imagen completa. El método de IA utilizado por el equipo de Harvard-MIT describe los productos químicos como una red de átomos, lo que le da al algoritmo una imagen más completa de la sustancia química que la que pueden proporcionar las descripciones de texto.

Pizarras en blanco del conocimiento humano y la IA

Sin embargo, el aprendizaje profundo por sí solo no es suficiente para descubrir nuevos antibióticos. Debe ir acompañado de un profundo conocimiento biológico de las infecciones.

El equipo de Harvard-MIT entrenó meticulosamente el algoritmo de IA con ejemplos de medicamentos que son efectivos y otros que no lo son. Además, utilizaron fármacos que se sabe que son seguros en humanos para entrenar a la IA. Luego utilizaron el algoritmo de IA para identificar antibióticos potencialmente seguros pero potentes de millones de productos químicos.

A diferencia de la gente, La IA no tiene nociones preconcebidas, especialmente sobre cómo debería verse un antibiótico. Usando IA de la vieja escuela, mi laboratorio descubrió recientemente algunos candidatos sorprendentes para el tratamiento de la tuberculosis, incluido un fármaco antipsicótico. En el estudio del equipo de Harvard-MIT, encontraron una mina de oro de nuevos candidatos. Estos fármacos candidatos no se parecen en nada a los antibióticos existentes. Un candidato prometedor es Halicin, un fármaco que se está explorando para tratar la diabetes.

Halicina, asombrosamente, fue potente no solo contra E. coli , las bacterias en las que se entrenó el algoritmo de IA, pero también sobre patógenos más mortales, incluidos los que causan tuberculosis e inflamación del colon. Notablemente, La halicina fue potente contra los fármacos resistentes Acinetobacter baumanni . Esta bacteria encabeza la lista de patógenos más mortales compilada por los Centros para el Control y la Prevención de Enfermedades.

Desafortunadamente, La amplia potencia de Halicin sugiere que también puede destruir bacterias inofensivas en nuestro cuerpo. También puede tener efectos secundarios metabólicos, ya que originalmente fue diseñado como un fármaco antidiabético. Dada la extrema necesidad de nuevos antibióticos, estos pueden ser pequeños sacrificios a pagar para salvar vidas.

Mantenerse a la vanguardia de la evolución

Dada la promesa de Halicin, ¿Deberíamos detener la búsqueda de nuevos antibióticos?

Halicin podría superar todos los obstáculos y eventualmente llegar al mercado. Pero aún necesita vencer a un enemigo implacable que es la principal causa de la crisis de resistencia a los medicamentos:la evolución. Los seres humanos han arrojado numerosos medicamentos a los patógenos durante el siglo pasado. Sin embargo, los patógenos siempre han desarrollado resistencia. Por lo tanto, es probable que no pase mucho tiempo hasta que encontremos una infección resistente a la halicina. Sin embargo, con el poder de la inteligencia artificial de aprendizaje profundo, ahora podemos estar mejor preparados para responder rápidamente con un nuevo antibiótico.

Hay muchos desafíos por delante para los posibles antibióticos descubiertos mediante IA para llegar a la clínica. Las condiciones en las que se prueban estos medicamentos son diferentes a las del interior del cuerpo humano. Mi laboratorio y otros están construyendo nuevas herramientas de inteligencia artificial para simular el entorno interno del cuerpo y evaluar la potencia de los antibióticos. Los modelos de IA también pueden ahora predecir la toxicidad y los efectos secundarios de los medicamentos. Estas tecnologías de IA juntas pueden darnos pronto una ventaja en la batalla interminable contra la resistencia a los medicamentos.

Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons. Lea el artículo original.