Imagina que eres un cazador de fósiles. Pasas meses en el calor de Arizona desenterrando huesos solo para descubrir que lo que has descubierto es de un dinosaurio descubierto previamente.
Así es como la búsqueda de antibióticos ha resultado recientemente. Los relativamente pocos cazadores de antibióticos por ahí seguir encontrando los mismos tipos de antibióticos.
Con el rápido aumento de la resistencia a los medicamentos en muchos patógenos, se necesitan desesperadamente nuevos antibióticos. Puede ser solo cuestión de tiempo antes una herida o rasguño se vuelve mortal.
Sin embargo, pocos antibióticos nuevos han ingresado al mercado en los últimos tiempos, e incluso estos son solo variantes menores de los antibióticos antiguos.
Si bien las perspectivas parecen sombrías, la reciente revolución en inteligencia artificial (IA) ofrece una nueva esperanza. En un estudio publicado el 20 de febrero en la revista Cell, científicos del MIT y Harvard usó un tipo de IA llamada aprendizaje profundo para descubrir nuevos antibióticos.
La forma tradicional de descubrir antibióticos, a partir de extractos de suelo o plantas, no ha revelado nuevos candidatos, y hay muchos obstáculos sociales y económicos para resolver este problema también.
Algunos científicos han intentado abordarlo recientemente buscando nuevos ADN en el ADN de las bacterias. genes productores de antibióticos
Las drogas que se encuentran a través de métodos poco convencionales enfrentan un camino difícil para llegar al mercado. Los medicamentos que son efectivos en una placa de Petri pueden no funcionar bien dentro del cuerpo.
Es posible que no se absorban bien o que tengan efectos secundarios. La fabricación de estos medicamentos en grandes cantidades también es un desafío importante.
Aprendizaje profundo
Ingrese al aprendizaje profundo. Estos algoritmos potencian muchos de los sistemas de reconocimiento facial y automóviles autónomos actuales. Imitan cómo operan las neuronas en nuestro cerebro al aprender patrones en los datos.
Una neurona artificial individual, como un mini sensor, puede detectar patrones simples como líneas o círculos. Al usar miles de estas neuronas artificiales, la inteligencia artificial de aprendizaje profundo puede realizar tareas extremadamente complejas como reconocer gatos en videos o detectar tumores en imágenes de biopsia.
Dado su poder y éxito, puede que no sea sorprendente saber que los investigadores que buscan nuevos medicamentos están adoptando la inteligencia artificial de aprendizaje profundo. Sin embargo, construir un método de IA para descubrir nuevos medicamentos no es una tarea trivial. En gran parte, esto se debe a que en el campo de la IA no hay almuerzo gratis.
los Teorema sin almuerzo gratis establece que no existe un algoritmo universalmente superior. Esto significa que si un algoritmo funciona espectacularmente en una tarea, por ejemplo, reconocimiento facial, fallará espectacularmente en una tarea diferente, como el descubrimiento de fármacos. Por lo tanto, los investigadores no pueden simplemente usar IA de aprendizaje profundo estándar.
El equipo de Harvard-MIT utilizó un nuevo tipo de IA de aprendizaje profundo llamada redes neuronales de gráficos para el descubrimiento de fármacos. En la edad de piedra de la IA de 2010, los modelos de IA para el descubrimiento de fármacos se construyeron utilizando descripciones de texto de productos químicos. Esto es como d escribir la cara de una persona a través de palabras como "ojos oscuros" y "nariz larga".
Estos descriptores de texto son útiles, pero obviamente no pintan la imagen completa. El método de IA utilizado por el equipo de Harvard-MIT describe los productos químicos como una red de átomos, lo que le da al algoritmo una imagen más completa del producto químico que la que pueden proporcionar las descripciones de texto.
Conocimiento humano y AI pizarras en blanco
Sin embargo, el aprendizaje profundo por sí solo no es suficiente para descubrir nuevos antibióticos. Debe combinarse con un profundo conocimiento biológico de las infecciones.
El equipo de Harvard-MIT entrenó meticulosamente el algoritmo de IA con ejemplos de medicamentos que son efectivos y aquellos que no lo son. Además, usaron drogas que se sabe que son seguras en humanos para entrenar la IA.
Luego utilizaron el algoritmo de IA para identificar antibióticos potencialmente seguros pero potentes de millones de productos químicos.
A diferencia de las personas, la IA no tiene nociones preconcebidas, especialmente sobre cómo debería ser un antibiótico. Usando IA de la vieja escuela, mi laboratorio descubrió recientemente algunos candidatos sorprendentes para el tratamiento de la tuberculosis, incluida una droga antipsicótica.
En el estudio del equipo Harvard-MIT, encontraron una mina de oro de nuevos candidatos. Estos medicamentos candidatos no se parecen en nada a los antibióticos existentes. Un candidato prometedor es Halicin, una droga que se está explorando para tratar diabetes.
La halicina, sorprendentemente, era potente no solo contra E. coli, la bacteria en la que se entrenó el algoritmo de IA, pero también en patógenos más mortales, incluidos los que causan tuberculosis e inflamación del colon.
En particular, la halicina era potente contra los medicamentos resistentes. Acinetobacter baumanni. Esta bacteria encabeza la lista de los patógenos más letales. compilado por los Centros para el Control y la Prevención de Enfermedades.
Desafortunadamente, la amplia potencia de Halicin sugiere que también puede destruir bacterias inofensivas en nuestro cuerpo. También puede tener efectos secundarios metabólicos, ya que fue originalmente diseñado como un medicamento antidiabético. Dada la extrema necesidad de nuevos antibióticos, estos pueden ser pequeños sacrificios a pagar para salvar vidas.
Mantenerse por delante de la evolución.
Dada la promesa de Halicin, ¿deberíamos detener la búsqueda de nuevos antibióticos?
Halicin podría eliminar todos los obstáculos y eventualmente llegar al mercado. Pero aún necesita superar a un enemigo implacable que es la causa principal de la crisis de resistencia a los medicamentos: la evolución.
Los humanos han arrojado numerosas drogas a los patógenos durante el siglo pasado. Sin embargo, los patógenos siempre han desarrollado resistencia. Por lo tanto, es probable que no pase mucho tiempo hasta que encontremos una infección resistente a la halicina.
Sin embargo, con el poder de la IA de aprendizaje profundo, ahora podemos estar mejor preparados para responder rápidamente con un nuevo antibiótico.
Hay muchos desafíos por delante para los posibles antibióticos descubiertos usando AI para llegar a la clínica. Las condiciones en las que se prueban estos medicamentos son diferentes de las del interior del cuerpo humano.
Mi laboratorio y otros están construyendo nuevas herramientas de IA para simular el ambiente interno del cuerpo para evaluar la potencia antibiótica. Los modelos de IA también pueden predecir la toxicidad de los medicamentos y los efectos secundarios.
Estas tecnologías de inteligencia artificial juntas pronto nos darán una ventaja en la batalla interminable contra la resistencia a los medicamentos.
(Eres inteligente y curioso sobre el mundo. También lo son los autores y editores de The Conversation. Puede leernos diariamente suscribiéndose a nuestro boletín.) 
Sriram Chandrasekaran, Profesor Asistente de Ingeniería Biomédica, Universidad de Michigan.
Este artículo es republicado por La conversación bajo una licencia Creative Commons. Leer el artículo original.