ลองนึกภาพคุณเป็นนักล่าฟอสซิล คุณใช้เวลาหลายเดือนท่ามกลางความร้อนระอุของรัฐแอริโซนาในการขุดกระดูกเพียงเพื่อจะพบว่าสิ่งที่คุณค้นพบนั้นมาจากสิ่งที่ค้นพบก่อนหน้านี้-
การค้นหายาปฏิชีวนะจึงเกิดขึ้นเมื่อเร็วๆ นี้ นักล่ายาปฏิชีวนะค่อนข้างน้อยให้หายาปฏิชีวนะชนิดเดียวกันต่อไป-
เนื่องจากการดื้อยาในเชื้อโรคหลายชนิดเพิ่มขึ้นอย่างรวดเร็ว ยาปฏิชีวนะชนิดใหม่จึงมีความจำเป็นอย่างยิ่ง มันอาจจะเป็นเพียงเรื่องของเวลามาก่อนบาดแผลหรือรอยขีดข่วนอาจเป็นอันตรายถึงชีวิตได้-
ยังมียาปฏิชีวนะใหม่ๆ เพียงไม่กี่ตัวที่เข้าสู่ตลาดในช่วงปลายปี และแม้แต่ยาปฏิชีวนะเหล่านี้ก็เป็นเพียงตัวแปรเล็กๆ น้อยๆ ของยาปฏิชีวนะรุ่นเก่าเท่านั้น
แม้ว่าแนวโน้มจะดูมืดมน แต่การปฏิวัติครั้งล่าสุดเข้ามา(AI) เสนอความหวังใหม่ ในการศึกษาที่ตีพิมพ์เมื่อวันที่ 20 กุมภาพันธ์ในวารสาร Cell นักวิทยาศาสตร์จาก MIT และ Harvardใช้ AI ประเภทหนึ่งที่เรียกว่าการเรียนรู้เชิงลึกเพื่อค้นหายาปฏิชีวนะใหม่ๆ-
วิธีการดั้งเดิมในการค้นหายาปฏิชีวนะ – จากดินหรือสารสกัดจากพืช – ยังไม่ได้เปิดเผยถึงตัวเลือกใหม่ๆ และยังมีอีกมากมายอุปสรรคทางสังคมและเศรษฐกิจเพื่อแก้ไขปัญหานี้ด้วย
เมื่อเร็วๆ นี้นักวิทยาศาสตร์บางคนพยายามแก้ไขปัญหานี้ด้วยการค้นหา DNA ของแบคทีเรียเพื่อหาสิ่งใหม่ๆยีนที่ผลิตยาปฏิชีวนะ- บางรายกำลังมองหายาปฏิชีวนะในสถานที่แปลกใหม่ เช่นในจมูกของเรา-
ยาที่พบในวิธีการแหวกแนวดังกล่าวต้องเผชิญกับเส้นทางที่ยากลำบากในการเข้าสู่ตลาด ยาที่มีประสิทธิภาพในจานเพาะเชื้ออาจออกฤทธิ์ไม่ดีในร่างกาย
อาจดูดซึมได้ไม่ดีหรืออาจมีผลข้างเคียง การผลิตยาเหล่านี้ในปริมาณมากก็ถือเป็นความท้าทายที่สำคัญเช่นกัน
การเรียนรู้เชิงลึก
เข้าสู่การเรียนรู้เชิงลึก อัลกอริธึมเหล่านี้ขับเคลื่อนระบบจดจำใบหน้าและรถยนต์ไร้คนขับในปัจจุบันจำนวนมาก พวกเขาเลียนแบบวิธีการทำงานของเซลล์ประสาทในสมองของเราโดยการเรียนรู้รูปแบบในข้อมูล
เซลล์ประสาทเทียมแต่ละตัว เช่น เซนเซอร์ขนาดเล็ก อาจตรวจจับรูปแบบง่ายๆ เช่น เส้นหรือวงกลม ด้วยการใช้เซลล์ประสาทเทียมเหล่านี้หลายพันเซลล์ AI การเรียนรู้เชิงลึกจึงสามารถทำงานที่ซับซ้อนอย่างยิ่งได้ เช่น การจดจำแมวในวิดีโอ หรือการตรวจจับเนื้องอกในภาพชิ้นเนื้อ-
เมื่อพิจารณาถึงพลังและความสำเร็จของมัน จึงไม่น่าแปลกใจเลยที่รู้ว่านักวิจัยที่ตามล่าหายาตัวใหม่กำลังเปิดรับ AI การเรียนรู้เชิงลึก การสร้างวิธี AI ในการค้นหายาใหม่ๆ ก็ไม่ใช่เรื่องง่าย ส่วนใหญ่เป็นเพราะในด้าน AI ไม่มีอาหารกลางวันฟรี
ที่ไม่มีทฤษฎีบทอาหารกลางวันฟรีระบุว่าไม่มีอัลกอริธึมที่เหนือกว่าในระดับสากล ซึ่งหมายความว่า หากอัลกอริธึมทำงานได้อย่างน่าทึ่งในงานเดียว เช่น การจดจำใบหน้า ก็จะล้มเหลวอย่างน่าทึ่งในงานอื่น เช่น การค้นพบยา ดังนั้นนักวิจัยจึงไม่สามารถใช้ AI การเรียนรู้เชิงลึกที่มีอยู่ทั่วไปได้
ทีม Harvard-MIT ใช้ AI การเรียนรู้เชิงลึกรูปแบบใหม่ที่เรียกว่าโครงข่ายประสาทเทียมแบบกราฟสำหรับการค้นพบยา ย้อนกลับไปในยุคหิน AI ปี 2010 แบบจำลอง AI สำหรับการค้นคว้ายาถูกสร้างขึ้นโดยใช้คำอธิบายข้อความของสารเคมี นี่เหมือนกับการอธิบายใบหน้าของบุคคลผ่านคำพูดเช่น "ตาดำ" และ "จมูกยาว"
คำอธิบายข้อความเหล่านี้มีประโยชน์แต่ไม่ได้วาดภาพทั้งหมดอย่างชัดเจน วิธีการของ AI ที่ทีม Harvard-MIT ใช้ อธิบายว่าสารเคมีเป็นเครือข่ายของอะตอม ซึ่งทำให้อัลกอริธึมมองเห็นภาพของสารเคมีได้ครบถ้วนมากกว่าที่คำอธิบายจะเป็นข้อความ
ความรู้ของมนุษย์และกระดานชนวน AI ที่ว่างเปล่า
แต่การเรียนรู้อย่างลึกซึ้งเพียงอย่างเดียวไม่เพียงพอที่จะค้นพบยาปฏิชีวนะใหม่ๆ จำเป็นต้องควบคู่ไปกับความรู้ทางชีววิทยาเชิงลึกเกี่ยวกับการติดเชื้อ
ทีม Harvard-MIT ฝึกฝนอัลกอริธึม AI อย่างพิถีพิถันด้วยตัวอย่างยาที่มีประสิทธิภาพและยาที่ไม่ได้ผล นอกจากนี้ พวกเขายังใช้ยาที่ทราบกันว่าปลอดภัยในมนุษย์เพื่อฝึก AI
จากนั้นพวกเขาใช้อัลกอริธึม AI เพื่อระบุยาปฏิชีวนะที่อาจปลอดภัยแต่ทรงพลังจากสารเคมีหลายล้านชนิด
AI ไม่มีความคิดแบบอุปาทานต่างจากมนุษย์ โดยเฉพาะอย่างยิ่งเกี่ยวกับลักษณะของยาปฏิชีวนะ ห้องทดลองของฉันเพิ่งค้นพบบางอย่างโดยใช้ AI รุ่นเก่าผู้สมัครที่น่าประหลาดใจในการรักษาวัณโรครวมทั้งยาต้านโรคจิตด้วย
ในการศึกษาโดยทีมงาน Harvard-MIT พวกเขาพบผู้สมัครใหม่จำนวนมาก ยาที่เข้าข่ายเหล่านี้ดูไม่เหมือนยาปฏิชีวนะที่มีอยู่ ผู้สมัครที่มีแนวโน้มดีคนหนึ่งคือ Halicin ซึ่งเป็นยาที่กำลังถูกสำรวจเพื่อใช้ในการรักษา-
น่าประหลาดใจที่ Halicin มีศักยภาพไม่เพียงแต่ต่อต้านเท่านั้นอี. โคไลแบคทีเรียที่อัลกอริธึม AI ได้รับการฝึกฝน แต่ยังรวมถึงเชื้อโรคที่ร้ายแรงกว่าด้วย รวมถึงแบคทีเรียที่ทำให้เกิดวัณโรคและลำไส้อักเสบ
โดยเฉพาะอย่างยิ่ง Halicin มีฤทธิ์ต้านการดื้อยาอะซิเนโทแบคเตอร์ โบมานนี่- แบคทีเรียชนิดนี้อยู่ในรายชื่อเชื้อโรคที่อันตรายถึงชีวิตมากที่สุดรวบรวมโดยศูนย์ควบคุมและป้องกันโรค-
น่าเสียดายที่ความสามารถในวงกว้างของ Halicin บ่งชี้ว่าอาจทำลายแบคทีเรียที่ไม่เป็นอันตรายในร่างกายของเราด้วย มันอาจมีผลข้างเคียงจากการเผาผลาญด้วย เนื่องจากแต่เดิมมันถูกออกแบบให้เป็นยาต้านเบาหวาน เมื่อพิจารณาถึงความต้องการยาปฏิชีวนะใหม่ๆ อย่างมาก สิ่งเหล่านี้อาจเป็นการเสียสละเล็กๆ น้อยๆ ที่จะจ่ายเพื่อช่วยชีวิตผู้คน
ก้าวไปข้างหน้าของวิวัฒนาการ
เมื่อพิจารณาจากคำสัญญาของฮาลิซิน เราควรหยุดค้นหายาปฏิชีวนะชนิดใหม่หรือไม่
ฮาลิซินอาจเคลียร์อุปสรรคทั้งหมดและไปถึงตลาดในที่สุด แต่ก็ยังต้องเอาชนะศัตรูที่ไม่ยอมอ่อนข้อซึ่งเป็นสาเหตุหลักของวิกฤตการดื้อยา นั่นก็คือวิวัฒนาการ
มนุษย์ได้โยนยาจำนวนมากใส่เชื้อโรคตลอดศตวรรษที่ผ่านมา แต่เชื้อโรคก็มีความต้านทานอยู่เสมอ ดังนั้นจึงคงอีกไม่นานจนกว่าเราจะพบกับการติดเชื้อที่ดื้อต่อสารฮาลิซิน
อย่างไรก็ตาม ด้วยพลังของ AI การเรียนรู้เชิงลึก ตอนนี้เราอาจเหมาะสมกว่าที่จะตอบสนองอย่างรวดเร็วด้วยยาปฏิชีวนะตัวใหม่
ความท้าทายมากมายรออยู่ข้างหน้าสำหรับยาปฏิชีวนะที่ค้นพบโดยใช้ AI เพื่อเข้าถึงคลินิก เงื่อนไขในการทดสอบยาเหล่านี้แตกต่างจากสภาวะภายในร่างกายมนุษย์
เครื่องมือ AI ใหม่กำลังถูกสร้างขึ้นโดยห้องปฏิบัติการของฉันและคนอื่นๆจำลองสภาพแวดล้อมภายในร่างกายเพื่อประเมินประสิทธิภาพของยาปฏิชีวนะ แบบจำลอง AI ยังสามารถทำนายความเป็นพิษของยาและผลข้างเคียงได้อีกด้วย
เทคโนโลยี AI เหล่านี้อาจทำให้เรามีความได้เปรียบในการต่อสู้กับการดื้อยาอย่างไม่สิ้นสุดในไม่ช้า
-คุณฉลาดและอยากรู้อยากเห็นเกี่ยวกับโลก ผู้เขียนและบรรณาธิการของ The Conversation ก็เช่นกัน คุณสามารถอ่านเราได้ทุกวันโดยสมัครรับจดหมายข่าวของเรา-
ศรีราม จันทรเศการัน, ผู้ช่วยศาสตราจารย์สาขาวิชาวิศวกรรมชีวการแพทย์,มหาวิทยาลัยมิชิแกน-
บทความนี้เผยแพร่ซ้ำโดยการสนทนาภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่านบทความต้นฉบับ-
