ลองนึกภาพคุณเป็นนักล่าฟอสซิล คุณใช้เวลาหลายเดือนในความร้อนของแอริโซนาขุดกระดูกเพียงเพื่อค้นหาว่าสิ่งที่คุณค้นพบนั้นมาจากการค้นพบก่อนหน้านี้-
นั่นเป็นวิธีที่การค้นหายาปฏิชีวนะได้พุ่งออกมาเมื่อเร็ว ๆ นี้ นักล่ายาปฏิชีวนะค่อนข้างน้อยค้นหายาปฏิชีวนะชนิดเดียวกันต่อไป-
ด้วยการเพิ่มขึ้นอย่างรวดเร็วของการดื้อยาในเชื้อโรคหลายชนิดยาปฏิชีวนะใหม่จึงจำเป็นอย่างยิ่ง อาจเป็นเพียงเรื่องของเวลาก่อนแผลหรือรอยขีดข่วนกลายเป็นอันตรายถึงชีวิต-
ยังมียาปฏิชีวนะใหม่เพียงไม่กี่ตัวที่เข้ามาในตลาดสายและแม้กระทั่งสิ่งเหล่านี้ก็เป็นเพียงสายพันธุ์เล็กน้อยของยาปฏิชีวนะเก่า
ในขณะที่กลุ่มเป้าหมายดูเยือกเย็นการปฏิวัติครั้งล่าสุดใน(AI) เสนอความหวังใหม่ ในการศึกษาที่ตีพิมพ์เมื่อวันที่ 20 กุมภาพันธ์ในวารสารเซลล์นักวิทยาศาสตร์จาก MIT และ Harvardใช้ AI ประเภทหนึ่งที่เรียกว่าการเรียนรู้อย่างลึกเพื่อค้นหายาปฏิชีวนะใหม่-
วิธีดั้งเดิมในการค้นพบยาปฏิชีวนะ - จากสารสกัดจากดินหรือพืช - ไม่ได้เปิดเผยผู้สมัครใหม่และมีมากมายอุปสรรคทางสังคมและเศรษฐกิจเพื่อแก้ปัญหานี้เช่นกัน
นักวิทยาศาสตร์บางคนเพิ่งพยายามที่จะจัดการกับมันโดยค้นหา DNA ของแบคทีเรียสำหรับใหม่ยีนที่ผลิตยาปฏิชีวนะ- คนอื่น ๆ กำลังมองหายาปฏิชีวนะในสถานที่แปลกใหม่เช่นในจมูกของเรา-
ยาเสพติดที่พบผ่านวิธีการที่ไม่เป็นทางการดังกล่าวเผชิญกับถนนหินเพื่อไปถึงตลาด ยาที่มีประสิทธิภาพในจาน Petri อาจไม่ทำงานได้ดีภายในร่างกาย
พวกเขาอาจไม่ดูดซึมได้ดีหรืออาจมีผลข้างเคียง การผลิตยาเหล่านี้ในปริมาณมากก็เป็นความท้าทายที่สำคัญเช่นกัน
การเรียนรู้อย่างลึกซึ้ง
เข้าสู่การเรียนรู้อย่างลึกซึ้ง อัลกอริธึมเหล่านี้เป็นพลังของระบบการจดจำใบหน้าในปัจจุบันและรถยนต์ที่ขับเคลื่อนด้วยตนเอง พวกเขาเลียนแบบว่าเซลล์ประสาทในสมองของเราทำงานอย่างไรโดยรูปแบบการเรียนรู้ในข้อมูล
เซลล์ประสาทเทียมแต่ละตัว - เช่นเซ็นเซอร์ขนาดเล็ก - อาจตรวจจับรูปแบบง่าย ๆ เช่นเส้นหรือวงกลม ด้วยการใช้เซลล์ประสาทเทียมเหล่านี้นับพันการเรียนรู้อย่างลึกซึ้ง AI สามารถทำงานได้อย่างซับซ้อนเช่นการจดจำแมวในวิดีโอหรือตรวจจับเนื้องอกในภาพการตรวจชิ้นเนื้อ-
ด้วยพลังและความสำเร็จของมันอาจไม่น่าแปลกใจที่จะรู้ว่านักวิจัยที่ล่าสัตว์เพื่อยาเสพติดใหม่กำลังกอด AI การเรียนรู้อย่างลึกซึ้ง แต่การสร้างวิธี AI สำหรับการค้นพบยาใหม่นั้นไม่ใช่งานเล็กน้อย ส่วนใหญ่เป็นเพราะในสาขาของ AI ไม่มีอาหารกลางวันฟรี
ที่ไม่มีทฤษฎีอาหารกลางวันฟรีระบุว่าไม่มีอัลกอริทึมที่เหนือกว่าสากล ซึ่งหมายความว่าหากอัลกอริทึมทำงานได้อย่างน่าตื่นเต้นในงานเดียวพูดว่าการจดจำใบหน้าจะล้มเหลวในงานที่แตกต่างเช่นการค้นพบยา ดังนั้นนักวิจัยจึงไม่สามารถใช้ AI การเรียนรู้อย่างลึกซึ้งนอกชั้นวางได้
ทีม Harvard-Mit ใช้ AI การเรียนรู้แบบใหม่ที่เรียกว่ากราฟประสาทเครือข่ายสำหรับการค้นพบยาเสพติด ย้อนกลับไปในยุคหิน AI ของปี 2010 แบบจำลอง AI สำหรับการค้นพบยาถูกสร้างขึ้นโดยใช้คำอธิบายข้อความของสารเคมี นี่เป็นเหมือนการอธิบายใบหน้าของบุคคลผ่านคำพูดเช่น "ดวงตามืด" และ "จมูกยาว"
ตัวอธิบายข้อความเหล่านี้มีประโยชน์ แต่เห็นได้ชัดว่าไม่วาดภาพทั้งหมด วิธี AI ที่ใช้โดยทีมงาน Harvard-MIT อธิบายถึงสารเคมีเป็นเครือข่ายของอะตอมซึ่งทำให้อัลกอริทึมได้ภาพที่สมบูรณ์ของสารเคมีมากกว่าคำอธิบายข้อความที่สามารถให้ได้
ความรู้ของมนุษย์และกระดานชนวนว่างเปล่า AI
แต่การเรียนรู้อย่างลึกซึ้งเพียงอย่างเดียวก็ไม่เพียงพอที่จะค้นพบยาปฏิชีวนะใหม่ มันจะต้องควบคู่ไปกับความรู้ทางชีวภาพอย่างลึกซึ้งเกี่ยวกับการติดเชื้อ
ทีม Harvard-Mit ได้ฝึกฝนอัลกอริทึม AI อย่างพิถีพิถันด้วยตัวอย่างของยาที่มีประสิทธิภาพและไม่ได้ นอกจากนี้พวกเขายังใช้ยาเสพติดที่เป็นที่รู้จักกันว่าปลอดภัยในมนุษย์เพื่อฝึก AI
จากนั้นพวกเขาใช้อัลกอริทึม AI เพื่อระบุยาปฏิชีวนะที่อาจปลอดภัย แต่มีศักยภาพจากสารเคมีหลายล้านตัว
AI ไม่มีความคิดอุปาทานโดยเฉพาะอย่างยิ่งเกี่ยวกับสิ่งที่ยาปฏิชีวนะควรมีลักษณะอย่างไร การใช้ AI โรงเรียนเก่าห้องปฏิบัติการของฉันเพิ่งค้นพบบางอย่างผู้สมัครที่น่าประหลาดใจในการรักษาวัณโรครวมถึงยาต่อต้านโรคจิต
ในการศึกษาโดยทีม Harvard-Mit พวกเขาพบเหมืองทองคำของผู้สมัครใหม่ ยาเสพติดผู้สมัครเหล่านี้ไม่ได้มีลักษณะเหมือนยาปฏิชีวนะที่มีอยู่ ผู้สมัครที่มีแนวโน้มคนหนึ่งคือ Halicin ซึ่งเป็นยาที่ถูกสำรวจเพื่อรักษา-
Halicin น่าประหลาดใจไม่เพียง แต่ต่อต้านอีโคไลแบคทีเรียอัลกอริทึม AI ได้รับการฝึกฝน แต่ยังมีเชื้อโรคที่ร้ายแรงกว่ารวมถึงสิ่งที่ทำให้เกิดวัณโรคและการอักเสบของลำไส้ใหญ่
โดยเฉพาะอย่างยิ่ง Halicin นั้นมีศักยภาพต่อการดื้อยาAcinetobacter Baumanni- แบคทีเรียนี้ติดอันดับต้น ๆ ของเชื้อโรคที่ร้ายแรงที่สุดรวบรวมโดยศูนย์ควบคุมและป้องกันโรค-
น่าเสียดายที่ความแรงในวงกว้างของ Halicin แสดงให้เห็นว่ามันอาจทำลายแบคทีเรียที่ไม่เป็นอันตรายในร่างกายของเรา นอกจากนี้ยังอาจมีผลข้างเคียงจากการเผาผลาญเนื่องจากเดิมทีได้รับการออกแบบให้เป็นยาต้านโรคเบาหวาน ด้วยความต้องการที่น่ากลัวสำหรับยาปฏิชีวนะใหม่สิ่งเหล่านี้อาจเป็นการเสียสละเล็กน้อยเพื่อจ่ายเงินเพื่อช่วยชีวิต
การรักษาล่วงหน้าของวิวัฒนาการ
ด้วยสัญญาของ Halicin เราควรหยุดการค้นหายาปฏิชีวนะใหม่หรือไม่?
Halicin อาจล้างอุปสรรคทั้งหมดและในที่สุดก็มาถึงตลาด แต่มันก็ยังต้องเอาชนะศัตรูที่ไม่เชื่อฟังซึ่งเป็นสาเหตุหลักของวิกฤตการดื้อยา: วิวัฒนาการ
มนุษย์ได้โยนยาเสพติดจำนวนมากที่เชื้อโรคในช่วงศตวรรษที่ผ่านมา แต่เชื้อโรคมีความต้านทานต่อการพัฒนาอยู่เสมอ ดังนั้นจึงเป็นไปไม่นานจนกว่าเราจะได้พบกับการติดเชื้อที่ทนต่อฮาลิซิน
อย่างไรก็ตามด้วยพลังของการเรียนรู้อย่างลึกซึ้ง AI ตอนนี้เราอาจเหมาะกับการตอบสนองอย่างรวดเร็วด้วยยาปฏิชีวนะใหม่
ความท้าทายหลายอย่างรอคอยสำหรับยาปฏิชีวนะที่อาจเกิดขึ้นโดยใช้ AI เพื่อไปยังคลินิก เงื่อนไขที่การทดสอบยาเหล่านี้แตกต่างจากที่อยู่ในร่างกายมนุษย์
เครื่องมือ AI ใหม่กำลังถูกสร้างขึ้นโดยห้องปฏิบัติการของฉันและอื่น ๆจำลองสภาพแวดล้อมภายในของร่างกายเพื่อประเมินความแรงของยาปฏิชีวนะ แบบจำลอง AI ยังสามารถทำนายความเป็นพิษของยาและผลข้างเคียงได้
เทคโนโลยี AI เหล่านี้เข้าด้วยกันในไม่ช้าอาจทำให้เรามีขาขึ้นในการต่อสู้ที่ไม่มีที่สิ้นสุดกับการต่อต้านยาเสพติด
-คุณฉลาดและอยากรู้อยากเห็นเกี่ยวกับโลก ผู้เขียนและบรรณาธิการของบทสนทนาก็เช่นกัน คุณสามารถอ่านเราทุกวันโดยสมัครรับจดหมายข่าวของเรา-
ศรีราม Chandrasekaranผู้ช่วยศาสตราจารย์ด้านวิศวกรรมชีวการแพทย์มหาวิทยาลัยมิชิแกน-
บทความนี้ถูกตีพิมพ์ซ้ำโดยบทสนทนาภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่านบทความต้นฉบับ-
