Brže do potencijalnih lekova
Veštačka inteligencija sve više menja način na koji naučnici istražuju i razvijaju lekove, a posebno značajnu ulogu mogla bi da ima u pronalaženju novih antibiotika. Kenet Bredli, globalni rukovodilac za otkrivanje lekova protiv zaraznih bolesti u kompaniji Roše, objasnio je tokom skupa „Roche Press Day 2026“ da ova tehnologija omogućava istraživačima da razmotre mnogo veći broj potencijalnih molekula, bez potrebe da svaki od njih odmah proizvedu i testiraju u laboratoriji.
„Veštačka inteligencija nam pomaže da proširimo broj molekula koje možemo da razmatramo za razvoj, jer veliki deo posla sada možemo da obavimo virtuelno. To znači da ne moramo da ulažemo resurse u proizvodnju milijardi molekula“, naveo je Bredli.
Ovakav pristup posebno je važan u vreme kada otpornost bakterija na antimikrobne lekove predstavlja sve ozbiljniji izazov za javno zdravlje. Prema studiji objavljenoj u časopisu The Lancet, bakterijska antimikrobna rezistencija bila je povezana sa približno 4,95 miliona smrtnih slučajeva širom sveta tokom 2019. godine, dok se za 1,27 miliona smrtnih ishoda procenjuje da su joj se mogli direktno pripisati.
Bakterije postaju sve otpornije
Jedan od najvećih izazova predstavlja pronalaženje novih terapija protiv gram-negativnih bakterija, grupe mikroorganizama koje često imaju izraženu otpornost na više vrsta lekova. Prema navodima iz teksta, od kraja šezdesetih godina prošlog veka nije uvedena nova klasa antibiotika usmerena na ovu grupu bakterija, dok postojeći lekovi vremenom gube efikasnost zbog razvoja novih mehanizama otpornosti.
Veštačka inteligencija može da pomogne naučnicima da predvide koje bi hemijske strukture i osobine molekula mogle da budu pogodne za razvoj antibiotika. Pritom je važno da predložena jedinjenja mogu da se sintetizuju u laboratoriji i podvrgnu daljim ispitivanjima.
„Veštačka inteligencija nam pomaže da predvidimo koje vrste molekula, odnosno koje specifične osobine unutar molekula, mogu da ih učine dobrim antibioticima. Važno je da modeli predlažu molekule koje naši hemičari zaista mogu da sintetišu“, istakao je Bredli.
Spoj računarskih modela i laboratorijskih ispitivanja
Razvoj novih lekova dugotrajan je i neizvestan proces. Prema podacima navedenim u tekstu, oko 90 odsto kandidata za lekove ne prođe pretklinička ili klinička ispitivanja, dok razvoj jednog leka može da traje duže od deset godina.
Kompanija Roše zato koristi modele veštačke inteligencije obučene na milionima naučnih podataka prikupljanih tokom približno deset godina. Oni analiziraju hemijska jedinjenja i pomažu u izdvajanju onih koja imaju najveći potencijal za dalji razvoj.
Ovaj pristup, nazvan Lab in the Loop, povezuje računarska predviđanja sa eksperimentima u laboratoriji. Najpre modeli veštačke inteligencije predlažu potencijalno korisne molekule, nakon čega ih istraživači sintetišu i proveravaju njihova svojstva. Rezultati eksperimenata potom se vraćaju u sistem i koriste za unapređenje budućih predviđanja.
Za razliku od tradicionalnih metoda, koje mogu zahtevati fizičku proizvodnju i testiranje velikog broja jedinjenja, ovaj postupak omogućava da se najperspektivniji kandidati izdvoje pre nego što istraživanje pređe u skuplje i zahtevnije faze. Time se mogu bolje iskoristiti raspoloživi resursi i ubrzati pojedini koraci u razvoju novih terapija.
Globalni izazov koji ne pogađa sve regione jednako
Bredli je naglasio da su inovacije u razvoju antibiotika važne za suzbijanje antimikrobne rezistencije, posebno u regionima koji su njome nesrazmerno pogođeni.
„Smatram da antimikrobnu rezistenciju moramo da posmatramo iz šire perspektive. Reč je o globalnoj pretnji, ali ona ne pogađa sve regione na isti način. Uočavamo da antimikrobna rezistencija predstavlja nesrazmerno veliko opterećenje za regione poput Latinske Amerike“, rekao je stručnjak.
Primena veštačke inteligencije mogla bi da olakša pronalaženje novih kandidata za antibiotike, ali njihova efikasnost i bezbednost moraju biti potvrđene eksperimentalnim i kliničkim ispitivanjima. U borbi protiv bakterija koje postaju otporne na postojeće terapije, ova tehnologija predstavlja dodatni alat za naučnike, uz potencijal da istraživanje učini usmerenijim i efikasnijim.
