«Αν έπρεπε να απαντήσω στο πόσο πιθανό είναι να δούµε τα επόµενα χρόνια νέα, αποτελεσµατικά, αντιβιοτικά µε τη βοήθεια της τεχνητής νοηµοσύνης, θα έλεγα ότι ναι, είναι αρκετά πιθανό. ∆εν πρόκειται, πάντως, για κάτι που θα συµβεί άµεσα ή σε µεγάλη κλίµακα, από τη µια µέρα στην άλλη. Η τεχνητή νοηµοσύνη δεν είναι πανάκεια, αλλά αποτελεί ίσως το πιο ισχυρό εργαλείο που διαθέτουµε σήµερα για να αντιµετωπίσουµε το πρόβληµα της αυξανόµενης αντοχής των βακτηρίων στα αντιβιοτικά. Και αυτό από µόνο του αποτελεί µια θετική ένδειξη για την πορεία της έρευνας τα επόµενα χρόνια».

Αυτό τόνισε στα «Παραπολιτικά» η καθηγήτρια Βιολογίας, Γενετικής και Νανοϊατρικής της Ιατρικής Σχολής του Πανεπιστηµίου Αθηνών και εθνική εκπρόσωπος της Ελλάδας στην Επιτροπή Προηγµένων Θεραπειών (CAT) του Ευρωπαϊκού Οργανισµού Φαρµάκων (EMA), Μαρία Γαζούλη, όταν την ρωτήσαµε για τις δυνατότητες τις οποίες µας δίνει η Τεχνητή Νοηµοσύνη στην ανακάλυψη και την παρασκευή νέων, αποτελεσµατικών και ακόµα πιο ισχυρών από τα σηµερινά αντιβιοτικών. Πρόκειται για έναν τοµέα στον οποίο η φαρµακοβιοµηχανία έχει έρθει εδώ και δεκαετίες σε πλήρες αδιέξοδο, καθώς η έρευνα για πιο αποτελεσµατικά αντιβιοτικά έχει καταστεί οικονοµικά ασύµφορη, εξαιτίας της ευρύτατης έκτασης της µικροβιακής αντοχής.

Διαβάστε: Κύκλωμα εκβιαστών χρησιμοποιεί AI μετατρέποντας φωτογραφίες μαθητών σε πορνογραφικό υλικό και εκβιάζουν διευθυντές

Μαρία Γαζούλη: Η τεχνητή νοημοσύνη αλλάζει τον τρόπο

Η Μαρία Γαζούλη εξήγησε στα «Π» ότι «η τεχνητή νοηµοσύνη έχει αρχίσει να αλλάζει, έστω και σταδιακά, τον τρόπο µε τον οποίο ανακαλύπτουµε φάρµακα. Παραδοσιακά, η διαδικασία βασιζόταν σε δοκιµή και σφάλµα, κάτι που απαιτούσε πολύ χρόνο και πόρους. Σήµερα, αλγόριθµοι µπορούν να αναλύσουν τεράστιες βάσεις δεδοµένων µε χηµικές ενώσεις και βιολογικά χαρακτηριστικά και να εντοπίσουν πιο γρήγορα υποψήφιες ουσίες. Στην πράξη, όµως, η τεχνητή νοηµοσύνη δεν έχει ακόµη ενσωµατωθεί σε ευρεία κλίµακα στη φαρµακευτική έρευνα. Εκεί που χρησιµοποιείται λειτουργεί περισσότερο συµπληρωµατικά, κάνοντας τη διαδικασία πιο στοχευµένη και αποδοτική, χωρίς να αντικαθιστά την παραδοσιακή επιστηµονική προσέγγιση».

Ενα πολύ χαρακτηριστικό παράδειγµα για αυτό το οποίο µας είπε η κ. Γαζούλη είναι το Ηalicin, που αναγνωρίστηκε ως πιθανό αντιβιοτικό το 2019 από ερευνητές του Massachusetts Institute of Technology (ΜΙΤ) µε τη βοήθεια τεχνητής νοηµοσύνης και δηµοσιεύτηκε το 2020. Η ουσία ήταν ήδη γνωστή και είχε αρχικά αναπτυχθεί για τη θεραπεία του διαβήτη, αλλά µέσα σε λίγες ηµέρες οι αλγόριθµοι την εντόπισαν ως υποψήφια αντιβακτηριακή ένωση. Στη συνέχεια, επιβεβαιώθηκε ότι έχει δράση απέναντι σε βακτήρια όπως το Escherichia coli και ανθεκτικά στελέχη όπως το Acinetobacter baumannii.

Το σηµαντικό είναι ότι δρα µε διαφορετικό µηχανισµό απ' ό,τι τα γνωστά αντιβιοτικά, διαταράσσοντας την παραγωγή ενέργειας των βακτηρίων, κάτι που δυσκολεύει την ανάπτυξη αντοχής και δείχνει τις δυνατότητες της τεχνητής νοηµοσύνης στην ανακάλυψη νέων αντιβιοτικών.

gazouli-parapolitika

Τι είναι το repurposing

«Αυτό το παράδειγµα», σηµειώνει η κ. Γαζούλη, «συνδέεται άµεσα και µε µια άλλη σηµαντική δυνατότητα της τεχνητής νοηµοσύνης, το λεγόµενο repurposing φαρµάκων. ∆ηλαδή, την επαναχρησιµοποίηση ήδη γνωστών ουσιών για νέες θεραπευτικές χρήσεις. Το Ηalicin ουσιαστικά ανήκει σε αυτή την κατηγορία. Αυτό είναι σηµαντικό, γιατί τέτοιες ουσίες έχουν ήδη µελετηθεί σε κάποιον βαθµό ως προς την ασφάλεια, άρα µπορούν να προχωρήσουν πιο γρήγορα στα επόµενα στάδια ανάπτυξης. Με άλλα λόγια, η τεχνητή νοηµοσύνη δεν µας βοηθά µόνο να βρίσκουµε κάτι εντελώς καινούργιο, αλλά και να ξαναδούµε µε άλλο µάτι ό,τι ήδη έχουµε». Μάλιστα, η ίδια µας εξηγεί ότι «τα τελευταία χρόνια η πρόοδος έχει προχωρήσει ακόµα περισσότερο µε την ανάπτυξη της generative A.I. Σε αυτή την περίπτωση, τα µοντέλα δεν περιορίζονται στην ανάλυση υπαρχόντων δεδοµένων, αλλά µπορούν να δηµιουργούν νέα µόρια από το µηδέν. Σε πρόσφατες µελέτες, ερευνητές κατάφεραν µέσα σε λίγες ηµέρες να σχεδιάσουν και να αξιολογήσουν χιλιάδες πιθανές χηµικές δοµές. Αν σκεφτεί κανείς ότι κάτι τέτοιο παλαιότερα θα απαιτούσε χρόνια εργασίας, γίνεται σαφές πόσο µεγάλη είναι η αλλαγή που φέρνει αυτή η τεχνολογία».

Βέβαια, υπάρχει και µια σηµαντική παράµετρος την οποία δεν πρέπει να αγνοούµε: «Το γεγονός ότι βρίσκουµε ένα υποψήφιο αντιβιοτικό στο εργαστήριο δεν σηµαίνει ότι θα το δούµε σύντοµα στην αγορά. Οι ρυθµιστικές Αρχές, όπως ο European Medicines Agency (ΕΜΑ) και ο U.S. Food and Drug Administration (FDA), αναγνωρίζουν τις δυνατότητες της τεχνητής νοηµοσύνης και την θεωρούν ένα πολύ χρήσιµο εργαλείο σε όλα τα στάδια ανάπτυξης φαρµάκων. Ωστόσο, τονίζουν ότι τα αποτελέσµατα των αλγορίθµων πρέπει να είναι αξιόπιστα, διαφανή και να επιβεβαιώνονται µέσω αυστηρών κλινικών δοκιµών. Αυτό σηµαίνει ότι, ακόµα κι αν η ανακάλυψη γίνεται πιο γρήγορα, η διαδικασία µέχρι την έγκριση παραµένει χρονοβόρα. Η ασφάλεια των ασθενών είναι πάντα προτεραιότητα και αυτό δεν µπορεί να παρακαµφθεί».

Δημοσιεύτηκε στην εφημερίδα «Παραπολιτικά».