開發新型抗生素是一項複雜的挑戰，但科學家們現在正在利用人工智慧來設計新藥以解決這個問題。今年 5 月，麻省理工學院和麥克馬斯特大學的研究人員在《細胞》雜誌上發表了一項關於他們使用人工智慧演算法識別出一種抗生素的研究，該抗生素可以殺死一種特別耐藥的細菌。這種病原體被稱為鮑曼不動桿菌，可導致嚴重的感染，包括腦膜炎和肺炎，並且經常在醫院環境中發現。它也是中東地區軍事人員感染的主要原因。
這些發現意義重大，因為它們表明人工智慧如何用於加速開發對抗耐藥菌的新型抗生素。使用人工智慧和機器學習——人工智慧的一個子集，涉及使用演算法在資料中尋找模式——大大減少了人類篩選潛在藥物療效所需的實驗數量。它還大大降低了成本，因為計算機建模可以篩選出沒有前景的化合物。
抗生素耐藥性是指細菌對抗生素產生耐藥性的現象，這是一個日益嚴重的威脅，可能導致到 2050 年每年死亡人數高達 1000 萬。世界衛生組織 (WHO) 估計，僅在 2019 年，全球就有 127 萬人死於耐藥細菌感染。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關當今塑造我們世界的發現和想法的有影響力的故事的未來。
“我們需要新的抗生素，因為我們正面臨一場危機，原因是耐藥細菌病原體的數量正在增長，而我們的新型抗生素研發渠道正在萎縮，”麻省理工學院醫學工程與科學研究所教授、新研究的共同資深作者詹姆斯·柯林斯說。“前者是由於多種因素造成的——主要是過度使用和濫用抗生素，無論是在醫療保健領域還是在農業領域。而後者主要是由抗生素的經濟市場失靈造成的。”
抗生素的開發呈現出一種兩難境地。開發一種新型抗生素的成本是巨大的；它與開發一種新的癌症藥物的成本相當。但與癌症藥物不同，癌症藥物可以服用數月甚至數年，而抗生素通常服用時間相對較短，通常僅用於單次感染。由於旨在降低抗生素耐藥性的管理計劃，任何新型抗生素都可能被醫護人員保留，直到真正需要時才使用。而漫長的藥物審批期和仿製藥的廣泛普及意味著，製藥公司開發新型抗生素的經濟動力很小。
“抗生素領域、抗菌藥物領域確實存在市場失靈——我還會將一些抗真菌藥物也包括在內，”行業組織美國藥物研究與製造商協會 (PhRMA) 的政策和研究副總裁 喬斯林·烏爾裡希 說。她指出，抗生素耐藥性是一種自然發生的現象，控制它的唯一方法是使用諸如感染預防和控制之類的工具來減緩新產品的使用。
“我們已經看到，公司，尤其是大型公司，從大約 20 家減少到只有少數幾家仍在這一領域，”烏爾裡希說。“因此，我們正在開發的新型治療藥物的渠道要小得多。”
科學家們希望改變這種狀況。在最近的研究中，柯林斯和他的同事將鮑曼不動桿菌暴露於數千種潛在的藥物化合物中，以觀察哪些化合物可以阻止病原體的生長。他們使用這些資料來訓練計算機模型，以根據化合物的結構預測其抗菌活性。
該團隊使用該模型在短短幾個小時內分析了 6,680 種化合物——如果沒有人工智慧，這個過程將需要幾周時間。分析將批次縮小到幾百種可能性——柯林斯和他的同事在實驗室中測試了其中的 240 種。在這些化合物中，研究人員鑑定出九種抗生素，其中包括一種可以有效殺死鮑曼不動桿菌的抗生素。重要的是，該化合物是“窄譜”的，這意味著它不會殺死其他種類的細菌。這很有益，因為它降低了其他細菌傳播對該藥物的耐藥性的機會，並且不會損害腸道整體微生物群。
柯林斯解釋說，這種名為阿鮑辛的新藥透過破壞細菌的保護性外層——細胞膜發揮作用。在小鼠試驗中，它對鮑曼不動桿菌引起的傷口感染有效。阿鮑辛對從人體樣本中分離出來並在實驗室中培養的許多耐藥性鮑曼不動桿菌菌株也有效。
柯林斯的團隊使用計算機模型測試了數千種化合物。“現在想象一下，你想從[測試]數千種分子到數十億種分子，”他說。“[對於人類來說]，有效地管理、購買和測試所有這些分子是不可能的。然而，對於數十億種化合物，使用人工智慧進行分析仍然只需要幾天時間。因此，我們能夠探索更大、更大的化學空間，如果沒有這些計算機模型，這些空間實際上對我們來說是不可用的。”
“我認為這些工具有潛力加速藥物開發過程的許多方面，但這還處於早期階段，”烏爾裡希說。“每當我們擁有真正龐大的資料集並且可以非常有效地分析這些資料時，這肯定可以節省時間。”但她指出，這些發現僅在動物模型中。“你仍然必須完成所有工作，才能將該化合物開發成可以在人體內代謝的東西，他們需要進行徹底的臨床試驗和其他事情，”她說。“我想說，圍繞這些工具存在巨大的潛力和巨大的興奮。”
亞歷山德拉·莫伊西洛維奇是 IBM 研究員兼 IBM 研究院人工智慧基礎負責人。她在研究如何利用人工智慧開發新療法方面發揮了重要作用，並與人合著了一篇論文，展示了 IBM 的人工智慧系統如何幫助加速尋找新型抗生素的過程。
莫伊西洛維奇同意人工智慧可以透過減少搜尋數千種或數百萬種化合物所需的時間來加速研究。“但它可以遠遠超出這一點，”她說。“您可以訓練模型來快速預測現有分子的特性，這使您可以篩選或預測分子的好壞，或識別未知特性，例如毒性。” 此外，藉助生成式人工智慧，計算機模型可以根據現有分子進行訓練，以瞭解它們的“表示”或特徵，莫伊西洛維奇說。然後，研究人員可以設計出自然界中從未見過的分子。
為了應對開發新型抗菌藥物的市場挑戰，2021 年，美國科羅拉多州參議員邁克爾·F·本內特和印第安納州參議員託德·揚在國會提出了 PASTEUR 法案。這項兩黨法案將建立一個激勵計劃和 60 億美元的政府投資，用於開發新型抗病毒藥物和抗生素——並在這些藥物獲得食品和藥物管理局批准後，政府可以無限次使用這些藥物。該法案於 2023 年 4 月再次被提出，此前包括 PhRMA 在內的 200 多個組織在 3 月份簽署了一封信，以支援該法案。
如果該法案獲得透過，研究人員仍將與時間賽跑，以開發出對抗最危險的耐藥病原體的新型抗生素——而這正是人工智慧可能發揮關鍵作用的地方。FDA 最近釋出了一份檔案，以促進開發商、製造商、監管機構、學術團體和其他利益相關者之間就人工智慧和機器學習在整個藥物開發過程中的使用進行討論。
人工智慧最近因其可能被濫用的方式而受到很多負面關注，但它也可能成為幫助我們解決一些最緊迫挑戰的非常強大的工具。
“我感到非常充滿希望，”柯林斯說。“我認為我們的人工智慧工具，我們發現、設計和開發新型抗生素的技術平臺，每年都在擴充套件。”