به گزارش سلامت نیوز به نقل از ft، سوپرباگ‌ها، که در رسانه‌ها و آثار علمی‌–‌تخیلی گاهی به شکل «هیولاهای گوشت‌خوار» معرفی می‌شوند، در دنیای واقعی تهدیدی جدی برای سلامت انسان هستند. اما اکنون پیشرفت‌های هوش مصنوعی و یادگیری ماشین روند مبارزه با این باکتری‌های مقاوم را سرعت بخشیده است.

در ماه اکتبر، سازمان جهانی بهداشت هشدار داد که مقاومت آنتی‌بیوتیکی در فاصله سال‌های ۲۰۱۸ تا ۲۰۲۳ سالانه تا ۱۵ درصد افزایش یافته است. در سال ۲۰۲۳، از هر شش عفونت رایج باکتریایی در جهان، یکی در برابر درمان آنتی‌بیوتیکی مقاوم بوده است. به‌ویژه، مقاومت روبه‌رشد سالمونلا عمدتاً ناشی از استفاده آنتی‌بیوتیک‌ها در دام‌هاست. این عفونت‌ها در ۱۵ تا ۲۰ درصد موارد می‌توانند مرگبار باشند و برای افراد مبتلا به HIV این خطر بیشتر نیز هست.

این بحران سال‌هاست شناخته شده، اما همه‌گیری کووید–۱۹ مشکلات را تشدید کرد. طبق اعلام CDC آمریکا، عفونت‌های مقاوم در بیمارستان‌ها طی همه‌گیری ۲۰ درصد افزایش یافت و حتی پس از فروکش بحران همچنان در سطح بالا باقی ماندند.

نقش هوش مصنوعی در طراحی آنتی‌بیوتیک‌های جدید

در سال ۲۰۲0، همزمان با شدت گرفتن همه‌گیری، گروهی از دانشمندان با حمایت مالی دولت آمریکا و بخش خیریه گوگل پروژه‌ای به نام Phare Bio را آغاز کردند تا از هوش مصنوعی در طراحی آنتی‌بیوتیک‌های جدید استفاده کنند.

امسال، این پژوهشگران اعلام کردند که موفق شده‌اند با کمک مدل‌های هوش مصنوعی دو آنتی‌بیوتیک جدید برای مقابله با سوزاک و استافیلوکوک اورئوس مقاوم (MRSA) طراحی کنند.

هوش مصنوعی توانست میلیون‌ها قطعه شیمیایی را بررسی و ترکیب‌هایی را پیشنهاد کند که در آزمایشگاه (پتری‌دیش) مؤثر نشان داده‌اند.

جیمز کالینز، مدیر پروژه و از پژوهشگران MIT، می‌گوید:«مدل‌های هوش مصنوعی در طراحی ترکیباتی که قادر به حمله در محیط آزمایشگاهی هستند عملکرد بسیار خوبی داشته‌اند. اکنون تلاش می‌کنیم این ترکیبات در حیوانات و سپس در انسان نیز اثربخشی داشته باشند.»

او می‌افزاید که هدف بعدی، رساندن این داروهای بالقوه به مرحله کارآزمایی بالینی است و برای تجاری‌سازی به دنبال جذب سرمایه‌گذار هستند.

چالش بزرگ: نبود سرمایه‌گذاری در آنتی‌بیوتیک‌ها

با وجود سرمایه‌گذاری میلیاردی شرکت‌های داروسازی در حوزه هوش مصنوعی، تاکنون هیچ داروی تأییدشده‌ای که کاملاً توسط AI کشف شده باشد وارد بازار نشده است.

در کنار این، بازار آنتی‌بیوتیک‌ها جذابیت مالی کمی دارد:

• این داروها معمولاً ارزان فروخته می‌شوند.

• به دلیل نگرانی از ایجاد مقاومت، بسیاری از آنتی‌بیوتیک‌های جدید «برای مواقع اضطراری» نگه داشته می‌شوند و عملاً استفاده نمی‌شوند.

• این موضوع سود اقتصادی شرکت‌های سرمایه‌گذار را کاهش می‌دهد.

با این وجود، دانشمندان به کار ادامه می‌دهند.

یادگیری ماشین و نقش آن در ژنوم‌خوانی

تیم دیگری از پژوهشگران در دانشگاه راکفلر نیویورک نیز از یادگیری ماشین برای کشف صدها ژنوم باکتریایی جدید استفاده کرده‌اند که می‌توانند منبع آنتی‌بیوتیک‌های آینده باشند.

بسیاری از باکتری‌ها در محیط آزمایشگاهی رشد نمی‌کنند و به همین دلیل تاکنون ناشناخته مانده‌اند. اما با ابزارهای جدید سکوئنس‌یابی (از جمله فناوری Oxford Nanopore بریتانیا) امکان کنار هم گذاشتن قطعات DNA و تشکیل توالی‌های کامل‌تر فراهم شده است.

شان بردی، یکی از پژوهشگران، این روند را مانند حل یک پازل توصیف می‌کند:«چیدن پازلی با ۱۰ قطعه بزرگ بسیار آسان‌تر از پازلی با یک میلیون قطعه کوچک است.»

با کمک این فناوری، آن‌ها دو آنتی‌بیوتیک جدید برای مقابله با استاف و سایر باکتری‌های خطرناک بیمارستانی شناسایی کرده‌اند. بردی می‌گوید:«هر بار که روی خاک قدم می‌گذارید، در واقع روی هزاران باکتری پا می‌گذارید که ممکن است توانایی ساخت داروهای نجات‌بخش را داشته باشند.»

مشکل مشترک: پول

با وجود این پیشرفت‌ها، بازار ابزارهای ژنوم‌خوانی نیز مانند آنتی‌بیوتیک‌ها با کاهش سرمایه‌گذاری مواجه شده است.

بردی می‌گوید:«تقریباً هیچ علاقه مالی برای سرمایه‌گذاری وجود ندارد و این واقعاً غم‌انگیز است.»

او از اقدام بنیاد گیتس و دیگر نهادهای خیریه که امسال ۵۰ میلیون دلار برای مقابله با مقاومت آنتی‌بیوتیکی اختصاص داده‌اند استقبال می‌کند، اما معتقد است سرمایه‌گذاران باید این حوزه را «سرمایه‌گذاری برای نجات جان میلیون‌ها انسان» ببینند.