- L’intelligenza artificiale scopre in due ore un antibiotico contro uno dei batteri farmaco-resistenti più pericolosi al mondo
- Casi di successo dell’IA nella ricerca di nuovi antibiotici
- Come funziona l’intelligenza artificiale nella ricerca di nuovi farmaci
- I vantaggi dell’uso dell’IA nella ricerca di nuovi antibiotici
- La riduzione di tempi e costi nella ricerca di nuovi antibiotici
- L’IA libera i ricercatori per attività più creative
- Intelligenza artificiale: una risorsa preziosa per il progresso della medicina
Uno studio pubblicato su Nature Chemical Biology ha dimostrato l’efficacia dell’intelligenza artificiale nell’identificare nuovi antibiotici e contrastare la resistenza agi antibiotici. I ricercatori hanno utilizzato il machine learning per analizzare, quasi in tempo reale, oltre 7.500 molecole e il loro effetto contro il superbatterio Acinetobacter baumannii, considerato dall’Organizzazione Mondiale della Sanità (OMS) come uno dei batteri più pericolosi al mondo per la sua resistenza agli antibiotici.
Il risultato? In sole due ore, l’algoritmo di IA ha scoperto un nuovo composto, chiamato abaucina, che ha dimostrato di inibire la crescita di A. baumannii. I test successivi hanno confermato l’attività mirata di questa molecola contro il patogeno Gram-negativo. L’abaucina rappresenta, quindi, un promettente candidato per sviluppare nuovi antibiotici contro i batteri che hanno sviluppato un antibiotico-resistenza.
Il successo della scoperta dell’abaucina da parte dell’intelligenza artificiale non è un caso isolato. Un team di ricercatori del Massachusetts Institute of Technology (MIT) ha utilizzato il machine learning per analizzare oltre 2.500 composti, identificando un nuovo antibiotico chiamato halicin, che ha dimostrato attività contro diversi patogeni resistenti ai farmaci tradizionali.
Anche i ricercatori dell’Università di Oxford stanno usando tecniche di intelligenza artificiale per accelerare la scoperta di nuovi antibiotici analizzando ampi set di dati chimici.
Viste le enormi potenzialità di questa tecnologia, diverse aziende farmaceutiche hanno già creato centri di ricerca dedicati all’intelligenza artificiale, per ridurre i tempi e i costi dello sviluppo di nuovi farmaci, adottando le tecniche di machine learning, deep learning e analisi predittiva nelle diverse fasi del processo di ricerca, sviluppo e sperimentazione. L’antibiotico-resistenza è stata esacerbata negli anni da un abuso nell’utilizzo degli antibiotici e da una scarsa aderenza alle terapie.
L’IA utilizza algoritmi di apprendimento automatico per setacciare rapidamente enormi database. Nel caso dell’utilizzo dell’intelligenza artificiale in campo medico, i database riguardano composti chimici.
Qui, attraverso tecniche come le reti neurali artificiali, che simulano il funzionamento dei neuroni umani, e il deep learning (apprendimento profondo), basato su reti neurali artificiali a più strati che apprendono autonomamente dai dati, i sistemi di AI vengono addestrati per riconoscere modelli nei big data che possono predire quali molecole hanno maggiori probabilità di avere un’attività antibatterica.
Viene poi applicata una tecnica di apprendimento per rinforzo, attraverso la quale l’algoritmo impara attraverso tentativi ed errori interagendo con l’ambiente. In questo modo, l’IA può testare virtualmente milioni di composti in brevissimo tempo e identificare quelli più promettenti da sviluppare e testare in laboratorio.
I vantaggi dell'uso dell'IA nella ricerca di nuovi antibiotici
Gli algoritmi di intelligenza artificiale processano enormi dataset, migliorando le loro prestazioni man mano che acquisiscono nuove conoscenze. Per questo motivo, l’IA offre numerosi vantaggi nella ricerca di nuovi antibiotici:
- Velocità: l’IA può analizzare un volume considerevole di dati chimici in poche ore, accelerando enormemente i tempi del processo di scoperta di nuovi farmaci.
- Precisione: gli algoritmi di deep learning possono fare previsioni molto accurate su quali composti hanno maggiori probabilità di successo.
- Capacità di elaborazione: l’IA può elaborare set di big data impossibili da analizzare manualmente.
- Ipotesi multiple: l’IA permette di testare più ipotesi contemporaneamente e trarre conclusioni più velocemente.
La riduzione di tempi e costi nella ricerca di nuovi antibiotici
Grazie all’IA, il processo di scoperta e sviluppo di nuovi farmaci può essere considerevolmente più rapido ed economico. Si stima che l’uso di tecniche di intelligenza artificiale possa far risparmiare fino a 60 milioni di dollari per ogni nuovo farmaco immesso sul mercato e ridurre i tempi fino a 2-3 anni.
Non solo: grazie alla capacità di elaborare una grande mole di dati, l’intelligenza artificiale può prevedere precocemente eventuali effetti tossici o collaterali negativi di un composto farmaceutico, scartando per tempo molecole promettenti ma con potenziali controindicazioni.
L'IA libera i ricercatori per attività più creative
L’utilizzo dell’intelligenza artificiale in medicina non ha come fine ultimo quello della sostituzione degli operatori sanitari, ma vuole offrire alle risorse umane uno strumento di supporto per liberarsi da compiti automatici. In questo modo, i ricercatori possono dedicare più tempo ad attività di ricerca creative ed esplorative anziché ripetitive. Le intuizioni e l’inventiva degli esseri umani rimangono, infatti, essenziali nel processo di scoperta di nuovi farmaci e lo saranno anche in futuro.
Inoltre, l’intervento umano è ancora fondamentale per la validazione dei risultati ottenuti dall’IA, un passaggio fondamentale per garantire l’affidabilità e la validità dei test.
Intelligenza artificiale: una risorsa preziosa per il progresso della medicina
Tradizionalmente, il processo di scoperta di nuovi antibiotici richiede lunghi e costosi screening chimici, che coinvolgono la sintesi e la valutazione di un vasto numero di composti. Ma grazie all’IA, oggi è possibile accelerare significativamente questo processo. Gli algoritmi di apprendimento automatico possono analizzare grandi quantità di dati scientifici, come informazioni strutturali sui batteri, dati di screening chimico e informazioni sui meccanismi di resistenza batterica, per identificare potenziali candidati antibiotici.
Inoltre, l’IA può migliorare la precisione nella mira dei composti antibatterici. Attraverso l’apprendimento automatico, è possibile infatti analizzare le interazioni tra i composti chimici e i bersagli batterici per progettare antibiotici che siano più efficaci nel colpire specifici meccanismi di resistenza batterica.
Questo approccio consente di sviluppare farmaci mirati, che agiscono in modo selettivo sui batteri patogeni, riducendo al minimo gli effetti collaterali sui microorganismi benefici presenti nell’organismo.
HAI BISOGNO DI UN GESTIONALE PER IL TUO CENTRO MEDICO?
Richiedi una demo gratuita di CGM XMEDICAL
- Iscriviti alla newsletter CGM XMEDICAL e ricevi gratuitamente contenuti di valore, utili per la tua professione
