ხელოვნური ინტელექტი (AI) თამაშის წესების შეცვლას განაგრძობს. ბევრს საუბრობენ AI-ის მნიშვნელოვან როლზე მედიცინაშიც, ამის ერთ-ერთი მაგალითი კი 60 წელიწადში პირველი ახალი ანტიბიოტიკის აღმოჩენაა ღრმა დასწავლის მოდელებით (deep learning models).
Euronews-ის ცნობით, ახლად აღმოჩენილ ნაერთს შეუძლია გაანადგუროს მედიკამენტის მიმართ რეზისტენტული ბაქტერია, რომელიც ყოველწლიურად ათასობით ადამიანის გარდაცვალების მიზეზი ხდება. მეცნიერების მიაჩნიათ, რომ ამ ანტიბიოტიკებისადმი რეზისტენტობასთან ბრძოლაში ეს გარდამტეხი წერტილი იქნება.
როგორც მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) სამედიცინო ინჟინერიისა და მეცნიერების პროფესორი, კვლევის ერთ-ერთი თანაავტორი, ჯეიმს კოლინზი ამბობს, მათ ჰქონდათ შესაძლებლობა, ენახათ, რას დაისწავლიან მოდელები იმის პროგნოზირებისთვის, თუ რომელი მოლეკულები გამოდგება კარგი ანტიბიოტიკისთვის.
ოცდაერთი მკვლევრისგან შემდგარი გუნდის კვლევის შედეგები 20 დეკემბერს, Nature-ში გამოქვეყნდა.
პროექტის ავტორებმა გამოიყენეს ღრმა დასწავლის მოდელი ახალი ნაერთის აქტივობისა და ტოქსიკურობის პროგნოზირებისთვის.
ღრმა დასწავლა გულისხმობს ხელოვნური ნერვული ქსელების გამოყენებას, რათა მოხდეს ავტომატურად დასწავლა და მონაცემებზე დაყრდნობით დასკვნების გამოტანა პროგრამირების გარეშე.
აღსანიშნავია, რომ ეს მეთოდი სულ უფრო ხშირად გამოიყენება წამლების აღმოჩენაში, რათა დაჩქარდეს მედიკამენტის თვისებების პროგნოზირება და განვითარების პროცესის ოპტიმიზაცია.
ამ შემთხვევაში, მკვლევრებმა ყურადღება მეთიცილინის მიმართ რეზისტენტულ ოქროსფერ სტაფილოკოკზე გაამახვილეს (MRSA). ის შეიძლება გამოვლინდეს კანის მსუბუქი ინფექციებით ან უფრო მძიმე და სიცოცხლისათვის პოტენციურად საშიში მდგომარეობებით, მაგალითად, პნევმონიითა და სისხლის მიმოქცევის ინფექციებით.
დაავადებათა პრევენციისა და კონტროლის ევროპული ცენტრის (ECDC) მიხედვით, ყოველწლიურად, ევროკავშირში ოქროსფერი სტაფილოკოკით ინფიცირების შემთხვევების რაოდენობა თითქმის 150,000-ს უტოლდება, ხოლო ანტიმიკრობული რეზისტენტული ინფექციებისგან 35,000 ადამიანი იღუპება.
MIT-ის მკვლევართა ჯგუფმა, ხელოვნური ინტელექტის მეშვეობით, MRSA-ის მიმართ აქტიურობაზე დაახლოებით 39,000 ნაერთი შეამოწმა. ნაერთების ქიმიურ სტრუქტურებთან დაკავშირებით მიღებული მონაცემები და დეტალები კი მოდელში იქნა შეტანილი.
პოტენციური წამლების შერჩევის გასაუმჯობესებლად მკვლევრებმა ღრმა დასწავლის სამი დამატებითი მოდელი გამოიყენეს. ეს მოდელები ნაერთების ტოქსიკურობას ადამიანის უჯრედების სამ განსხვავებულ ტიპთან მიმართებით აფასებდა.
ამ პროგნოზებისა და ადრე განსაზღვრული ანტიმიკრობული აქტივობის ინტეგრაციით დაადგინეს მკვლევრებმა ნაერთები, რომლებსაც მიკრობებთან ეფექტიანი ბრძოლა შეუძლია და მინიმალური ზიანი მოაქვს ადამიანის სხეულისთვის.
მოდელების ამ ნაკრების გამოყენებით, საერთო ჯამში, კომერციულად ხელმისაწვდომი 12 მილიონამდე ნაერთი იქნა შემოწმებული.
