İlaç Dirençli Bakterilerle Savaşmak İçin Kullanılan Yapay Zeka Algoritmaları

Tıp endüstrisinin karşı karşıya olduğu en büyük zorluklardan biri ilaç dirençli bakterilerdir. Şu anda, ilaç dirençli bakteriler nedeniyle yaklaşık 700.000 ölüm vardır ve daha fazla ilaç dirençli bakteri suşu gelişmektedir. Bilim adamları ve mühendisler, ilaç dirençli bakterilerle mücadele etmek için yeni yöntemler geliştirmeye çalışıyorlar. Yeni antibiyotiklerin geliştirilmesinin bir yolu, ilaç dirençli bakterilerin yeni suşlarıyla başa çıkmaya yardımcı olabilecek yeni bileşiklerin izole edilmesinde yapay zeka ve makine öğreniminin kullanılmasını içerir.

SingularityHub’in raporuna göre, bir yeni antibiyotik AI’nin yardımı ile tasarlandı. Antibiyotiğe halicin adı verildi, 2001: Bir Uzay Macerası’ndaki AI HAL’den esinlenilerek. Yeni geliştirilen antibiyotik, bazı virülent süper bakteri suşlarını ortadan kaldırmada başarılı oldu. Yeni antibiyotik, makine öğrenimi algoritmalarının kullanılmasıyla keşfedildi. Özellikle, makine öğrenimi modeli yaklaşık 2.500 bileşikten oluşan büyük bir veri kümesi kullanılarak eğitildi. Modeli eğitmek için kullanılan ilaçların neredeyse yarısı FDA tarafından onaylanmış ilaçlardı, diğer yarısı ise doğal olarak oluşan bileşiklerden oluşuyordu. Araştırmacılar, algoritmaları, aynı zamanda mevcut antibiyotik yapılarından farklı olan antibiyotik özelliklerine sahip molekülleri önceliklendirmek için ayarladılar. Sonra, insan tüketimi için güvenli olan bileşiklerin hangileri olduğunu belirlemek için sonuçları incelediler.

The Guardian’a göre, ilaç, recent bir çalışmada ilaç dirençli bakterilerle savaşmada son derece etkili oldu. Bu kadar etkili olmasının nedeni, bakterilerin membranını bozması ve bakterilerin enerji üretme yeteneğini devre dışı bırakmasıdır. Bakterilerin halicin’in etkilerine karşı savunma geliştirmesi için birkaç genetik mutasyondan daha fazlasına ihtiyaç duyulabilir, bu da halicin’e kalıcılık kazandırır. Araştırma ekibi, bileşiğin farelerde nasıl performans gösterdiğini de test etti ve farelerin tüm mevcut antibiyotiklere dirençli bir bakteri suşu ile enfekte olduğunu, ancak halicin’in bu fareleri başarılı bir şekilde temizlediğini gördü. Çalışmaların sonuçları bu kadar umut verici olduğundan, araştırma ekibi bir ilaç şirketi ile ortaklık kurmayı ve ilacın insan kullanımı için güvenli olduğunu kanıtlamayı umuyor.

James Collins, bioengineering profesörü ve MIT’de kıdemli yazar ve Regina Barzilay, bilgisayar bilimi profesörü ve MIT’de kıdemli yazar, makalenin kıdemli yazarları arasındaydı. Collins, Barzilay ve diğer araştırmacılar, halicin’i tasarlamak için kullandıkları gibi algoritmaların, ilaç dirençli hastalık suşlarının yayılmasıyla başa çıkmak için yeni antibiyotiklerin keşfini hızlandırmasına yardımcı olabileceğini umuyorlar.

Halicin, AI’nin yardımı ile keşfedilen tek ilaç bileşiği değildir. Collins ve Barzilay’ın liderliğindeki araştırma ekibi, daha da ileri gitmek ve ZINC 15 veritabanından yaklaşık 100 milyon molekül kullanarak daha fazla model eğiterek yeni bileşiklerin yaratılmasını hedefliyor. Ekibin, insan kullanımı için muhtemelen güvenli ve mevcut antibiyotiklerden yapısal olarak farklı olan en az 23 farklı aday bulmayı başardığı bildiriliyor.

Antibiyotiklerin üzücü bir yan etkisi, zararlı bakterileri öldürürken, insan vücudunun ihtiyaç duyduğu gerekli bağırsak bakterilerini de öldürmeleridir. Araştırmacılar, halicin’i yaratmak için kullanılan tekniklere benzer teknikleri kullanarak, insan bağırsak mikrobiyomuna zarar vermeye daha az eğilimli antibiyotiklerin yaratılmasını umuyorlar.

Diğer birçok şirket de ilaç yaratma sürecini basitleştirmek için makine öğrenimini kullanmaya çalışıyor. Diğer şirketler de yeni ilaç bileşiklerinin sentezlenmesinde AI algoritmalarını eğitmekteler. Sadece最近 bir şirket, geleneksel yöntemle aylar veya yıllar sürebilecek bir sürede yalnızca bir buçuk ayda bir prova ilacı geliştirmeyi başardı.

Barzilay, AI destekli ilaç keşif yöntemlerinin ilaç keşif alanını anlamlı bir şekilde dönüştürebileceğine inanmaktadır. Barzilay, halicin çalışmasının, sağlık hizmetlerinde makine öğrenimi tekniklerinin ne kadar etkili olabileceğinin pratik bir örneği olduğunu açıkladı:

“Sağlık hizmetlerinde makine öğrenimi araçlarının gerçekten akıllıca bir şeyler yaptıkları ve bunları ilaç endüstrisinde iş atları haline getirmek için nasıl geliştirebileceğimiz konusunda hala bir soru işareti var. Bu, bu aracı ne kadar uyardığınızı gösteriyor.”