Criza antibioticelor devine din ce în ce mai acută și mai vizibilă, nu doar un subiect de rapoarte și conferințe de specialitate, ci o provocare directă pentru sistemele medicale și pacienți. În spitale, secolul trecut al medicinei se confruntă cu infecții care devin tot mai dificil de tratat, iar riscul de complicații se amplifică chiar și pentru cele mai simple intervenții.

În prezent, descoperirea de noi antibiotice a încetinit, iar motivele sunt multiple. Costurile uriașe ale cercetării și, mai ales, modele de profit neadaptate acestei piețe, descurajează investitorii și companiile farmaceutice. Antibioticele cu utilizare limitată, de scurtă durată, nu promit profituri consistente, ceea ce a condus la un declin al cercetărilor de ultimă generație. În această ecuație complicată, tehnologia emergentă a inteligenței artificiale (AI) oferă o soluție promițătoare, având potențialul de a accelera găsirea unor molecule noi și de a optimiza utilizarea antibioticelor existente, prelungindu-le eficiența.

Rezistența bacteriană și provocarea cercetării

Problema principală este rezistența antimicrobiană, un fenomen natural în evoluția bacteriilor, dar care, odată cu utilizarea pe scară largă a antibioticelor, s-a accelerat alarmant. La nivel global, impactul este devastator, cu peste 1,2 milioane de decese directe cauzate în 2019 de bacterii rezistente, iar alte aproape 5 milioane de decese fiind asociate cu această problemă. Organizația Mondială a Sănătății o consideră una dintre cele mai mari amenințări pentru sănătatea publică, deoarece opțiunile terapeutice se restrâng rapid, făcând unele infecții aproape incurabile.

Tradicional, descoperirea unui nou antibiotic implica o căutare laborioasă și costisitoare în biblioteci de compuși, urmată de multiple faze de testare pentru a verifica siguranța și eficacitatea. În condițiile în care moleculele pot fi toxice, ineficiente sau rapid neutralizate de bacterii, această cale a devenit tot mai din ce în ce mai dificil de parcurs. Aici intervine AI-ul, care poate explora mai eficient spațiile chimice imense, generând structuri moleculare inovatoare, inaccesibile până acum cercetătorilor. Modelele generative pot propune noi combinații și elemente structurale, pe care apoi alte algoritme le evaluează pentru proprietăți precum potența antibacteriană, toxicitatea sau stabilitatea chimică. Astfel, cercetarea devine mai rapidă și mai precisă, reducând considerabil risipa de timp și resurse.

Progrese concrete: antibiotice create cu AI și dozare personalizată

Un exemplu elocvent al potențialului AI în acest domeniu vine de la echipa de cercetare a Massachusetts Institute of Technology (MIT), care a dezvoltat un sistem capacit de a genera molecule complet noi pentru antibiotice. În testele inițiale, sistemul a fost capabil să elimine moleculele grozave de pe rafturile bibliotecilor digitale, sintetizând doar cele cu adevărat promițătoare. În cazul patogenilor precum MRSA (Staphylococcus aureus rezistent la antibiotice) sau Neisseria gonorrhoeae (responsabilă de gonoree), cercetătorii au reușit să identifice câțiva candidați cu potențial inițial confirmat în laborator, fără să afecteze celulele umane. Această abordare rapidă și țintită ar putea reduce considerabil timpul și costurile de dezvoltare, chiar dacă drumul până la medicamentului patentat rămâne lung și plin de obstacole.

Pe lângă descoperirea de noi compuși, AI-ul scrie și o nouă pagină în modul în care antibioticele sunt administrate. În aceste vremuri, tratamentul personalizat devine tot mai crucial, mai ales în cazurile severe, precum sepsisul, unde orice întârziere în administrarea unei doze corecte poate fi fatală. Un proiect recent, numit KI.SEP, folosește învățarea automată pentru a estima concentrațiile de antibiotice în sânge, eliminând dependența exclusivă de monitorizarea terapeutică cli­nică (TDM). Spre deosebire de metodele tradiționale, aceste modele pot prezice rapid și precis dacă pacienții primesc doza potrivită, având în vedere variabilele individuale, precum funcția renală sau starea inflamatorie.

Este un pas semnificativ spre medicina personalizată, în care deciziile sunt susținute de algoritmi de încredere, care integrează date clinice și biomarkeri. În acest mod, se poate evita subdozarea, care favorizează rezistența, sau supradozarea, care duce la toxicitate, asigurând tratamente mai eficiente și mai sigure.

Limite, riscuri și perspective

Totuși, aceste progrese nu apar fără riscuri. Oricât de impresionantă părea revoluția AI, ea nu elimină în întregime complexitatea biologică sau limitele practică ale cercetării. Moleculele generate pe calculator trebuie să fie apoi sintetizate și testate în laboratoare, unde poate apărea din nou blocajul din cauza toxicității sau a lipsei biodisponibilității. În domeniul clinic, calitatea datelor și modul în care deciziile automatizate sunt integrate în fluxul de lucru al medicilor sunt alte obstacole importante.

Inovația tehnologică rămâne un instrument de accelerare, dar nu și de înlocuire a etapei complexe de validare. În plus, orice model AI, oricât de sofisticat, poate fi influențat de date incomplete, variabilitate sau erori, fapt recunoscut și de cei din proiectul KI.SEP, care subliniază importanta validării extinse pe seturi de date independente.

Pentru cei din sistemul medical și pentru pacienți, aceste dezvoltări reprezintă o speranță realistă. AI-ul nu va duce peste noapte la apariția antibioticelor miraculoase, dar modelul de lucru promovat și cercetările din ultimii ani indică o direcție clară: în lupta cu rezistența bacteriană, tehnologia și responsabilitatea umană trebuie să merge mână în mână. Cu pași mici, dar siguri, medicina se îndreaptă spre un viitor în care antibioticele devin mai eficiente și mai sigure, iar problemele de astăzi pot fi gestionate mai bine.