La intel·ligència artificial està revolucionant el món en molts àmbits, i la medicina i els avenços en la investigació científica és un dels que es pot veure més beneficiat per aquesta tecnologia. La resistència als antibiòtics s'ha convertit en una de les amenaces més grans per a la salut pública en l'àmbit mundial, ja que compromet l'efectivitat de tractaments essencials i augmenta la mortalitat associada a infeccions comunes i procediments mèdics. Gràcies a la IA, els científics estan descobrint els primers antibiòtics nous en 60 anys i, segons ha publicat la revista Nature, un grup de científics de l’Institut Tecnològic de Massachusetts (MIT), ha descobert un nou compost que és capaç d’eliminar un bacteri resistent als fàrmacs que causa la mort de milers de persones cada any a tot el món, el que consideren que suposa un punt d’inflexió en la lluita contra la resistència als antibiòtics.
Estudi centrat en les infeccions per SARM
Segons l'Organització Mundial de la Salut (OMS), el 2050 aquest fenomen podria ocasionar fins a 10 milions de morts i generar pèrdues econòmiques que superarien els 100 bilions de dòlars. L'augment d'aquesta problemàtica és degut a factors, que inclouen pràctiques inadequades en l'ús d'antimicrobians, tant en humans com en animals. L’equip de 21 investigadors del MIT ha publicat un estudi centrat en el Staphylococcus aureus resistent a la meticil·lina (SARM). Les infeccions per SARM poden causar des d'infeccions cutànies lleus a afeccions més greus i potencialment mortals, com ara la pneumònia i les infeccions del torrent sanguini. Segons el Centre Europeu per a la Prevenció i el Control de les Malalties (ECDC), cada any es produeixen a la Unió Europea gairebé 150.000 infeccions per SARM i prop de 35.000 persones moren per infeccions resistents als antimicrobians.
"La idea era que podíem veure què aprenien els models per predir que certes molècules serien bons antibiòtics", afirma en un comunicat James Collins, professor d'Enginyeria i Ciències Mèdiques de l'Institut Tecnològic de Massachusetts (MIT) i un dels autors de l'estudi. "El nostre treball proporciona un marc que, des del punt de vista de l'estructura química, estalvia temps, recursos i coneixements mecànics que no teníem fins ara".
Model d’aprenentatge profund
L'equip responsable del projecte va utilitzar un model d'aprenentatge profund per predir l'activitat i la toxicitat del nou compost. L'aprenentatge profund consisteix a utilitzar xarxes neuronals artificials per aprendre i representar automàticament característiques a partir de dades sense programació explícita. S'aplica cada cop més al descobriment de fàrmacs per accelerar la identificació de possibles candidats, predir-ne les propietats i optimitzar el procés de desenvolupament de fàrmacs.
Per crear dades d'entrenament, es van avaluar aproximadament 39.000 compostos per la seva activitat antibiòtica contra el SARM. Utilitzant algorismes de gràfics explicables, es van identificar els fonaments basats en la subestructura per a compostos amb alta activitat antibiòtica prevista i baixa citotoxicitat prevista. Posteriorment, tant les dades resultants com els detalls relatius a les estructures químiques dels compostos es van introduir al model. Per optimitzar la selecció de possibles fàrmacs, els investigadors van fer servir tres models més d'aprenentatge profund. Aquests models van ser entrenats per avaluar la toxicitat dels compostos en tres tipus diferents de cèl·lules humanes. En integrar aquestes prediccions de toxicitat amb l'activitat antimicrobiana determinada prèviament, els investigadors van identificar compostos capaços de combatre eficaçment els microbis amb un dany mínim per al cos humà.
Utilitzant aquest conjunt de models, es van analitzar aproximadament 12 milions de compostos disponibles al mercat. Els models van identificar compostos de cinc classes diferents, classificats en funció de les subestructures químiques específiques de les molècules, que presentaven una activitat prevista contra el SARM. Posteriorment, els investigadors van adquirir uns 280 d'aquests compostos i els van provar contra el SARM al laboratori. Aquest mètode els va portar a identificar dos prometedors antibiòtics candidats de la mateixa classe. En experiments amb dos models de ratolí -un d'infecció cutània per SARM i un altre d'infecció sistèmica per SARM-, cadascun d'aquests compostos va reduir la població de SARM en un factor de 10.