Za ove bolesti se mislilo da su neizlečive, sada veštačka inteligencija pomaže

2026-03-21 - 16:35

Getty Images Veštačka inteligencija pronalazi nove lekove za Parkinsonovu bolest, superbakterije otporne na antibiotike i otkriva brojna retka oboljenja. To je napredak za koji mnogi naučnici nisu ni sanjali da će se dogoditi. Čovečanstvo je pola veka gubilo bitku protiv bakterija. Najmoćnije oružje koje imamo u ovoj borbi, antibiotici, postaju neefikasni. Oko 1,1 milion ljudi sada umire svake godine od infekcija koje su se donedavno lako lečile. A očekuje se da broj umrlih naraste na više od osam miliona do 2050. godine ukoliko se nešto hitno ne preduzme. Izrada novih antibiotika je izluđujuće spor i skup proces. Između 2017. i 2022. godine, za upotrebu je odobreno samo 12 novih antibiotika, od čega su većina bili slični već postojećim tipovima lekova na koje bakterije već razvijaju otpornost. Ova oblast je hronično zanemarena, jer nema dovoljno interesovanja kompanija za proizvodnju lekova i nedovoljnog finansiranja. Ali sada istraživači pokušavaju da popune tu rupu, a neki se oslanjaju na veštačku inteligenciju da im pomogne u tome. „Možemo, u roku od nekoliko dana ili sati, da pregledamo ogromne biblioteke hemijskih jedinjenja da bismo identifikovali ona koja pokazuju antibiotske aktivnosti“, kaže Džejms Kolins, profesor medicinskog inženjeringa i nauke, na Masačusetskom institutu za tehnologiju u Kembridžu. Uz pomoć veštačke inteligencije, Kolins i njegov tim već su otkrili dva nova jedinjenja koja bi mogla da se pokažu ključnim oružjem u borbi protiv infekcija izuzetno otpornih na lekove kao što su gonoreja i MRSA. To je samo jedan primer kako veštačka inteligencija otvara puteve za novu eru otkrivanja lekova - obećavajući napredak po pitanju nekih od najnerešivijih medicinskih problema našeg vremena. Naučnici usmeravaju veštačku inteligenciju na stanja bez poznatog leka kao što je Parkinsonova bolest, i hiljade retkih bolesti, u nadi za novim pomacima. Kolins i njegov tim obučili su generativni model veštačke inteligencije da prepoznaje hemijsku strukturu poznatih antibiotika. To je omogućilo algoritmu da nauči šta je potrebno da bi se ubila bakterija. Istraživači su potom upotrebili veštačku inteligenciju da pregledaju više od 45 miliona različitih hemijskih struktura u potrazi za njihovom sposobnošću da gađaju Neisseria gonorrhoeae, bakteriju koja izaziva gonoreju, i Staphylococcus aureus, značajan izvor infekcija kao MRSA. Collins Lab/ MIT Tim Džejmsa Kolinsa upotrebio je veštačku inteligenciju da prepozna nova jedinjenja koja mogu da ubiju više bakterija (gornji red) koje su otporne na druge lekove (donji red) Obe ove bakterije su izuzetno otporne na lekove - gonoreja može da bude otporna na svaki lek. Trenutno se smanjuje broj dostupnih antibiotika za borbu protiv obe bolesti. Kolinsov metod je koristio veštačku inteligenciju da napravi potpuno nova jedinjenja za borbu protiv bakterija. U jednom pristupu, izabrao je molekul kao početnu tačku i koristio kombinaciju tehnika generativne veštačke inteligencije za njegovu izradu, „dodajući veze, atome, podstrukture“, kaže on. U svakom kritičnom stadijumu, jedinjenje je ocenjivao njegov obučeni model veštačke inteligencije koristeći pitanje - „Da li ovo izgleda kao antibiotik? Da li se približava potencijalnom antibiotiku?“ Drugi pristup je podrazumevao odbacivanje početnog jedinjenja i dozvoljavanje veštačkoj inteligenciji da improvizuje od samog početka. Kolins i njegove kolege su na ovaj način pronašli 36 miliona jedinjenja sa potencijalom da rade protiv bakterija. Tim je od njih odabrao 24 za sintetisanje u laboratoriji. Sedam se pokazalo da ima neku antimikropsku aktivnost, a dva su bila izuzetno efikasna u ubijanju obe vrste bakterija koje su bile otporne na druge tipove antibiotika. Što je najvažnije, jedinjenja kao da napadaju bakterije na drugačije načine u odnosu na već postojeće antibiotike, probudivši nadu da mogu da formiraju novu klasu lekova sposobnih da savladaju odbranu bakterija otpornih na lekove. Oni trenutno prolaze testiranje još dva kandidata. Kolins i njegova laboratorija su prethodno koristili veštačku inteligenciju da otkriju druga nova moćna antibiotska jedinjenja koja ubijaju širok dijapazon bakterija otpornih na lečenje, među njima Clostridium difficile, čestu infekciju creva, i Mycobacterium tuberculosis, koja izaziva tuberkulozu. Za neke bolesti, međutim, istraživači nemaju luksuz nadovezivanja na postojeće lekove da bi pomogli da se nađu novi metodi lečenja. Umesto toga, moraju da počnu s onim što se zna o samoj bolesti. U nekim slučajevima, međutim, čak i im tom daje vrlo malo polazišta. Napredak sa Parkinsonovom bolešću Parkinsonova bolest je prvi put bila otkrivena 1817. godine, ali više od dva veka kasnije, još uvek nema lečenja koje usporava napredovanje ove bolesti. Širom sveta ima više od 10 miliona pacijenata sa Parkinsonovom bolešću, a ta stopa raste u zemljama sa ostarelom populacijom. Otprilike jedan na svakih 37 ljudi u Velikoj Britaniji dobiće dijagnozu u nekom trenutku svog života. U Americi do milion ljudi trenutno živi s ovom bolešću. Dugotrajni napori za lečenje Parkinsonove bolesti bili su prepuni neuspeha. Deo problema je što još uvek ne znamo šta izaziva bolest. „Vode se beskrajne rasprave o poreklu poremećaja“, kaže Mišel Vendruskolo, profesor biofizike i kourednik u Centru za bolesti pogrešnog svijanja proteina na Univerzitetu u Kembridžu, u Velikoj Britaniji. „Ako odete na neku konferenciju o Parkinsonovoj bolesti, čućete desetine različitih hipoteza koje se sve aktivno istražuju.“ To neverovatno otežava pronalaženje leka za sprečavanje bolesti. Vodio se ogroman broj kliničkih ispitivanja koja su istraživala različite hipoteze, ali, do sada, sve su one bile neuspešne, kaže Vendruskolo. „Ljudi su istinski zbunjeni oko toga šta treba da bude cilj“, kaže on. „Čak i ako znate cilj, obično ga je veoma teško dostići.“ Ali 2024. godine, Vendruskolo i njegove kolege objavili su studiju u kojoj su koristili mašinsko učenje (oblik veštačke inteligencije) u traganju za potencijalnim kandidatima sposobnim da gađaju grudvice pogrešno savijenog proteina u mozgu koje se javljaju kod pacijenata sa Parkinsonovom bolešću. Veruje se da agregati proteina, poznati kao Levijeva tela, igraju neku ulogu u prvobitnim stadijumima neurodegeneracije kod obolelih od Parkinsonove bolesti, na kraju dovevši do simptoma kao što su drhtanje, usporenost pokreta i ukočenost mišića. U ovom trenutku, najefikasniji metod lečenja Parkinsonove bolesti je Ledovopa, lek koji pomaže da se poboljšaju simptomi bolesti, ali može da izazove nuspojave kao što su nevoljni pokreti. Vendruskolo je usredsređen na zaustavljanje napretka same bolesti. On i njegov tim su krenuli od skupa jedinjenja koja su već bila identifikovana kao potencijalno efikasni tretman protiv Levijevih tela. Ubacio ih je program za mašinsko učenje, koji je ekstrapolirao njihovu hemijsku strukturu da bi predložio nova jedinjenja koja bi takođe mogla biti efikasna. Getty Images Dejvid Fajgenbaum je pokušao da pronađe lek među postojećim lekovima pošto je otkrio metod lečenja retke bolesti među lekovima odobrenim za sasvim druge namene Da bi se lečile neurodegenerativne bolesti kao što je Parkinsonova, lekovi su morali da budu dovoljno mali da mogu da prođu kroz krvno-moždanu barijeru. Ali čak i ako naučnici ograniče svoj lov na lekove na male molekule, „još uvek imate ogromnu količinu izbora“, kaže Vendruskolo. „Broj mogućih molekula je mnogo veći od broja mogućih atoma u Univerzumu.“ Moć veštačke inteligencije je da može vrlo brzo da suzi tu potragu. „Možemo da analiziramo ove podatke i napravimo veoma precizna predviđanja o načinu na koji će se kandidati molekuli vezati za metu u masovnosti koja je bila nezamisliva do pre samo nekoliko godina“, kaže Vendruskolo. Uz tradicionalnije metode, naučnici mogu da pregledaju milion molekula za šest meseci po ceni od nekoliko miliona funti. „Sada možete da uradite isto to za nekoliko dana, ali da pregledate milijarde molekula, po ceni od svega nekoliko hiljada funti.“ Vendruskolova jedinjenja koja je predložila veštačka inteligencija potom se proveravaju u laboratoriji. „Izmerili smo koji se od kandidata zapravo vezuju za Levijeva tela i onda smo te informacije ubacili nazad u program mašinskog učenja, da bi mogao da uči na vlastitim greškama“, kaže on. Na kraju su pronašli pet potencijalnih novih jedinjenja brže i efikasnije od konvencionalnog pristupa. Jedinjenja koja je pronašla veštačka inteligencija takođe su bila mnogo novija nego što bi bilo nađeno uz pomoć tradicionalnijih metoda za razvoj lekova, kaže Vendruskolo. Oni sada vrše dodatna testiranja kako bi procenili da li bi jednog dana mogli da budu ponuđeni kao terapija za pacijente sa Parkinsonovom bolešću. Vendruskolo se nada da će jednog dana veštačka inteligencija pomoći u zaustavljanju Parkinsonove bolesti pre nego što ona uopšte započne. Koristi ovu tehnologiju da pronađe male molekule koji se vezuju za pojedinačne proteine koji formiraju Levijeva tela dok su još u normalnom stanju. „Ako možemo da stabilizujemo proteine u ovom obliku vezujući ih za njih, onda bi to sprečilo Parkinsonovu bolest, što je bolje nego da smo je izlečili.“ Nova namena starih lekova Lečenje bolesti ne podrazumeva uvek nove lekove. Dejvid Fajgenbaum, docent medicine na Univerzitetu u Pensilvaniji, uspeo je da spase samom sebi život postojećim lekom koji mu lekari nikad ne bi prepisali. Sa 25 godina, dok je još studirao medicinu, Fajgenbaumu je postavljena dijagnoza retkog podtipa poremećaja zvanog Kaslmanova bolest. Ovo oboljenje pokreće reakciju imunog sistema, pa jetra, bubrezi i koštana srž počinju da otkazuju. Dejvidu nije pomogao ni jedan dostupan metod lečenja i lekari su mu rekli da ne znaju šta da rade. Posle više nedelja testiranja vlastite krvi, čitajući medicinsku literaturu i lečeći samog sebe, naišao je na potencijalno rešenje - ni po čemu poseban lek zvani sirolimus. On se obično daje onima kojima je izvršena transplantacija bubrega kako bi se sprečilo odbacivanje njihovog novog organa. Upotrebio je ovaj lek da pobedi Kastmanovu bolest, koja je sada u remisiji već više od decenije. M Scott Brauer Džejms Kolins i njegov tim otkrivaju potencijalne nove antibiotike mnogo brže nego što je prethodno bilo moguće zahvaljujući alatkama veštačke inteligencije koje su sami napravili Njegovo iskustvo pokazalo mu je da postoji potencijal u hiljadama lekova koji su već prošli kroz iscrpno testiranje da bi mogli da izađu na tržište. Ako koriste ove lekove da leče neka druga stanja, pacijenti dobijaju lečenje koje inače ne bi imali. Fajgenbaum je 2022. godine osnovao neprofitnu organizaciju nazvanu Svaki lek, gde koristi mašinsko učenje da bi uporedio hiljade lekova sa hiljadama bolesti. Lekovi koji najviše obećavaju testiraju se u laboratorijama ili se šalju lekarima voljnim da eksperimentišu. Fajgenbaum je najistaknutiji naučnik koji je iskoristio veštačku inteligenciju na ovaj način, ali i drugi su već počeli da ostvaruju napretke. Na Medicinskom fakultetu na Harvardu, model veštačke inteligencije pronašao je skoro 8.000 odobrenih lekova koji potencijalno mogu da budu prenamenjeni da leče 17.000 različitih bolesti. A veštačka inteligencija se pokazala posebno korisnom za pronalaženje metoda lečenja retkih bolesti koje se često zanemaruju među farmaceutskim kompanijama, zbog odsustva finansijskog podsticaja koji nudi mali broj potencijalnih pacijenata. Prenamena postojećih lekova nudi još jednu priliku. Poslednjih godina je veštačka inteligencija pronašla potencijal za prenamenjevinje postojećih metoda lečenja za stanja kao što su retki hromozomski poremećaj Pit- Hopkinsov sindrom, retku inflamatornu bolest sarkoidoza i retki kancer bubrega koji pogađa malu decu, Vilmsov tumor. Istraživači sa Univerziteta Mekgil u Montrealu, u Kvebeku, u Kanadi, nedavno su iskoristili veštačku inteligenciju da prenamene lekove za idiopatsku pulmonalnu fibrozu (IPF), retku progresivnu bolest pluća koju karakterišu ožiljci i zadebljanja na tkivu pluća. Njihov pristup podrazumevao je modelovanje progresije bolesti sa modelom veštačke inteligencije. „Većinu složenih bolesti pokreće abnormalna promena stanja ćelija“, kaže jedan od istraživača Jun Ding, docent na katedri za medicinu na Univerzitetu Mekgil. „Ako uspemo da ustanovimo kako će ćelija od zdrave postala abnormalna, možda to možemo da zaustavimo ili makar usporimo.“ Prvo, istraživači su izvukli plućne ćelije iz zdravih učesnika i pacijenata u različitim stadijumima napretka bolesti, koristeći sekvenciranje DNK visoke rezolucije da bi generisali pregršt podataka. To im je omogućilo da vide kako su se ćelije menjale tokom trajanja bolesti. Potom su izradili model generativne veštačke inteligencije koji će to simulirati, mapirajući tranzicije raznih ćelijskih stanja i populacija kako je bolest napredovala. Usput je ona takođe isticala bilo koje biomarkere koji se mogu koristiti za dijagnozu bolesti i potencijalne terapeutske mete. „Mi to nazivamo sistem virtuelnih bolesti“, kaže Ding. Traditionalno, lekovi su testirani na životinjama ili na izolovanim ljudskim ćelijama. Želeli su da primene istu paradigmu samo sa veštačkom inteligencijom – praktično simulirajući efekte IPF-a na virtuelne ćelije. „Istraživači potom mogu da testiraju uticaj primene različitih lekova na model bez previše troškova“, Ding. U Mekgilovoj studiji, veštačka inteligencije je predložila osam kandidata za opcije lečenja IPF-a. Jedan kandidat koji obećava je lek koji se obično prepisuje za hipertenziju, nudeći jeftinu opciju koja se već pokazala bezbednom. Ding kaže da bi veštačka inteligencija koju su on i njegove kolege razvili mogla da se koristi i na drugim bolestima, među kojima su kanceri i plućna stanja. Njegov tim nastavlja da usavršava model i diversifikuje ga za razna druga stanja. IPF je doživeo nedavno još jedan proboj zahvaljujući veštačkoj inteligenciji. Insiliko Medisin, kompanija za otkrivanje lekova uz pomoć veštačke inteligencije, proizveo je kandidata za lek po imenu Rentosertib. U drugoj fazi kliničkih ispitivanja, pokazao je da on obećava u borbi protiv IPF-a. Kompanija je upotrebila veštačku inteligenciju i da identifikuje potencijalne slabosti kod bolesti i da izradi lek koji bi mogao da je napadne. Ona se nada da ako ispitivanja budu uspešna, lek bi mogao da postane dostupan do kraja decenije. A Insiliko Medisin nije u tome usamljen. Druge kompanije kao što su Teraj, Izomorfik Lebs, Rekuržen Farmasjutikals i Šredinger takođe žele da ostvare medicinski napredak uz pomoć veštačke inteligencije. „Moje uverenje je da bi, u narednih pet do 10 godina, izradu većine novih lekova mogla da usmerava veštačka inteligencija, ili čak da budu u potpunosti zasnovani na veštačkoj inteligenciji“, kaže Ding. Ograničena revolucija Ali uprkos ostvarenom napretku, postoje neka ograničenja. Mnoge skupove podataka o lekovima drže biotehnološke i farmaceutske kompanije, što znači da nisu javno dostupni. „Morate da dođete do podataka o svojstvima lekova kao što su apsorpcija, distribucija, lučenje, toksičnost. „Mi nemamo te skupove podataka“, kaže Kolins. U ovom trenutku, veštačka inteligencija je najkorisnija u prvobitnom delu provere procesa izrade leka: u identifikaciji mete i pronalaženju molekula koji će se vezati za metu. Ovo su samo dva koraka u dugom procesu neophodnom za razvoj novih lekova, što znači da bi moglo da prođe neko vreme pre nego što bilo koji od ovih potencijalnih tretmana pronađe put do pacijenta, ako se to uopšte dogodi. „Veštačka inteligencija uvodi revoluciju u otkrivanje lekova“, kaže Vendruskolo. „Ali samo na vrlo konkretne načine.“ BBC na srpskom je od sada i na Jutjubu, pratite nas OVDE. Pratite nas na Fejsbuku, Tviteru, Instagramu i Vajberu. Ako imate predlog teme za nas, javite se na bbcnasrpskom@bbc.co.uk Kako veštačka inteligencija otkriva nove načine za borbu protiv teških bolesti Veštačka inteligencija za spas crvene veverice Kako je bot u kog sam se zaljubio raskinuo sa mnom &