Imagine que você é um caçador de fósseis. Você passa meses no calor do Arizona desenterrando ossos apenas para descobrir que o que descobriu é de um dinossauro descoberto anteriormente.
É assim que a busca por antibióticos se desenrolou recentemente. Os relativamente poucos caçadores de antibióticos por aí continuam encontrando os mesmos tipos de antibióticos.
Com o rápido aumento da resistência a medicamentos em muitos patógenos, novos antibióticos são desesperadamente necessários. Pode ser apenas uma questão de tempo até que uma ferida ou arranhão se torne uma ameaça à vida. No entanto, poucos antibióticos novos entraram no mercado ultimamente, e mesmo essas são apenas pequenas variantes dos antibióticos antigos.
Enquanto as perspectivas parecem sombrias, a recente revolução na inteligência artificial (IA) oferece uma nova esperança. Em um estudo publicado em 20 de fevereiro na revista Cell, cientistas do MIT e Harvard usaram um tipo de IA chamado aprendizado profundo para descobrir novos antibióticos.
A maneira tradicional de descobrir antibióticos – a partir de extratos de solo ou de plantas – não revelou novos candidatos, e também existem muitos obstáculos sociais e econômicos para resolver esse problema. Alguns cientistas recentemente tentaram enfrentá-lo pesquisando no DNA das bactérias novos genes produtores de antibióticos. Outros estão procurando antibióticos em locais exóticos, como o nariz.
As drogas encontradas através de métodos não convencionais enfrentam uma estrada rochosa para chegar ao mercado. Os medicamentos que são eficazes em uma placa de Petri podem não funcionar bem dentro do corpo. Eles podem não ser bem absorvidos ou podem ter efeitos colaterais. Fabricar esses medicamentos em grandes quantidades também é um desafio significativo.
Aprendizagem profunda
Entre no aprendizado profundo. Esses algoritmos alimentam muitos dos atuais sistemas de reconhecimento facial e carros autônomos. Eles imitam como os neurônios em nossos cérebros operam aprendendo padrões nos dados. Um neurônio artificial individual – como um mini sensor – pode detectar padrões simples como linhas ou círculos. Ao usar milhares desses neurônios artificiais, a IA de aprendizado profundo pode executar tarefas extremamente complexas, como reconhecer gatos em vídeos ou detectar tumores em imagens de biópsia.
Dado seu poder e sucesso, pode não ser surpreendente saber que os pesquisadores que buscam novos medicamentos estão adotando a IA de aprendizado profundo. No entanto, construir um método de IA para descobrir novos medicamentos não é tarefa trivial. Em grande parte, isso ocorre porque no campo da IA ??não há almoço grátis.
O teorema Sem almoço grátis afirma que não há algoritmo universalmente superior. Isso significa que, se um algoritmo tiver um desempenho espetacular em uma tarefa, por exemplo, reconhecimento facial, ele falhará espetacularmente em uma tarefa diferente, como a descoberta de drogas. Portanto, os pesquisadores não podem simplesmente usar a IA de aprendizado profundo pronta para uso.
A equipe Harvard-MIT usou um novo tipo de IA de aprendizado profundo chamado redes neurais de grafos para descoberta de drogas. Na era da pedra da IA ??de 2010, modelos de IA para descoberta de drogas foram construídos usando descrições de texto de produtos químicos. É como descrever o rosto de uma pessoa através de palavras como “olhos escuros” e “nariz comprido”. Esses descritores de texto são úteis, mas obviamente não pintam a imagem inteira. O método de IA usado pela equipe Harvard-MIT descreve produtos químicos como uma rede de átomos, o que fornece ao algoritmo uma imagem mais completa do produto químico do que as descrições de texto podem fornecer.
Conhecimento humano e placas em branco da IA
No entanto, o aprendizado profundo por si só não é suficiente para descobrir novos antibióticos. Ele precisa ser associado a um profundo conhecimento biológico de infecções.
A equipe Harvard-MIT treinou meticulosamente o algoritmo de IA com exemplos de medicamentos eficazes e aqueles que não são. Além disso, eles usaram drogas conhecidas por serem seguras em humanos para treinar a IA. Eles então usaram o algoritmo de IA para identificar antibióticos potencialmente seguros e potentes de milhões de produtos químicos.
Ao contrário das pessoas, a IA não tem noções preconcebidas, especialmente sobre como deve ser um antibiótico. Usando a IA da velha escola, meu laboratório recentemente descobriu alguns candidatos surpreendentes para o tratamento da tuberculose, incluindo um medicamento anti-psicótico. No estudo da equipe Harvard-MIT, eles encontraram uma mina de ouro de novos candidatos. Esses medicamentos candidatos não se parecem com antibióticos existentes. Um candidato promissor é o Halicin, um medicamento que está sendo explorado para o tratamento do diabetes.
Surpreendentemente, Halicin era potente não apenas contra E. coli, a bactéria na qual o algoritmo de IA foi treinado, mas também em patógenos mais mortais, incluindo aqueles que causam tuberculose e inflamação do cólon. Notavelmente, Halicin era potente contra Acinetobacter baumanni resistente a medicamentos. Esta bactéria está no topo da lista dos patógenos mais mortais compilados pelos Centros de Controle e Prevenção de Doenças.
Infelizmente, a ampla potência do Halicin sugere que ele também pode destruir bactérias inofensivas em nosso corpo. Também pode ter efeitos colaterais metabólicos, uma vez que foi originalmente concebido como um medicamento antidiabético. Dada a extrema necessidade de novos antibióticos, esses podem ser pequenos sacrifícios a serem pagos para salvar vidas.
Manter-se à frente da evolução
Dada a promessa da Halicina, devemos parar a busca por novos antibióticos?
Halicin pode superar todos os obstáculos e, eventualmente, chegar ao mercado. Mas ainda precisa superar um inimigo implacável que é a principal causa da crise de resistência às drogas: a evolução. Os seres humanos jogaram inúmeras drogas contra patógenos no último século. No entanto, os patógenos sempre desenvolveram resistência. Portanto, provavelmente não demorará muito até encontrarmos uma infecção resistente à halicina. No entanto, com o poder da IA ??de aprendizado profundo, agora podemos estar mais adequados para responder rapidamente com um novo antibiótico.
Muitos desafios estão à frente para possíveis antibióticos descobertos usando a IA para chegar à clínica. As condições em que esses medicamentos são testados são diferentes daquelas dentro do corpo humano. Novas ferramentas de IA estão sendo construídas pelo meu laboratório e por outras pessoas para simular o ambiente interno do corpo e avaliar a potência dos antibióticos. Os modelos de IA também podem agora prever toxicidade de drogas e efeitos colaterais. Essas tecnologias de IA juntas podem em breve nos ajudar na batalha sem fim contra a resistência às drogas.
Publicado em 22/02/2020 18h12
Artigo original:
Estudo original:
Achou importante? Compartilhe!
Assine nossa newsletter e fique informado sobre Astrofísica, Biofísica, Geofísica e outras áreas. Preencha seu e-mail no espaço abaixo e clique em “OK”: