Criza medicamentelor antibiotice nu mai este o temă abstractă, rezervată rapoartelor medicale sau conferințelor de specialitate. Este o problemă vizibilă în spitale, manifestată prin infecții care nu răspund tratamentelor convenționale și prin creșterea riscului pentru intervenții aparent simple, de la operații de rutină până la tratarea unei răni infectate.
De asemenea, sectorul farmaceutic a produs din ce în ce mai puține antibiotice cu adevărat inovatoare. Cauzele sunt complexe, incluzând costurile uriașe ale cercetării, precum și faptul că antibioticele, spre deosebire de medicamentele pentru boli cronice, sunt utilizate pe perioade scurte și nu generează același model de profit. În această situație, intervenția inteligenței artificiale (IA) promite să accelereze două aspecte esențiale: identificarea de molecule complet noi și utilizarea mai eficientă a antibioticelor existente pentru a-și păstra eficiența mai mult timp.
De ce sunt necesare antibiotice noi și cum schimbă AI-ul abordarea
Rezistența antimicrobiană apare atunci când bacteriile evoluează și devin capabile să evite efectul medicamentelor menite să le elimine. La nivel global, impactul este deja considerabil: o analiză de referință privind povara rezistenței bacteriene pentru anul 2019 a estimat 1,27 milioane de decese direct provocate de rezistență și 4,95 milioane de decese asociate cu rezistența la antibiotice. Organizația Mondială a Sănătății consideră acest fenomen una dintre cele mai mari amenințări pentru sănătatea publică, din cauza reducerii rapide a opțiunilor terapeutice disponibile. 
Obiceiurile tradiționale de descoperire a unui antibiotic nou presupun testarea bibliotecilor de compuși, urmată de optimizări chimice și un proces lung, de la studii preclinice până la cele clinice. Problemele sunt legate de durata lungă, costurile ridicate și blocajele frecvente: molecule prea toxice, incapabile să ajungă la țintă în organism sau rapid rezistente. Inteligența artificială (IA) are rolul de a revoluționa începutul acestui proces, acolo unde consumul de timp și resurse este cel mai mare: explorarea spațiului chimic imens, dificil de cercetat în totalitate de către oameni sau metodele clasice.
Modelele generative de IA pot sugera structuri moleculare inedite, inexistente în bibliotecile standard. Ulterior, alte algoritme pot estima rapid proprietăți precum capacitatea de a combate bacteriile, riscul de toxicitate sau stabilitatea chimică. Practic, în loc să cauți acul în carul cu fân, începi să generezi posibile variante, apoi le filtrezi cu precizie pentru a selecta cele mai promițătoare pentru sinteză în laborator.
Antibiotice create cu AI: anunțul MIT și semnificația sa
Un exemplu notabil provine de la Massachusetts Institute of Technology (MIT), care a prezentat o platformă bazată pe AI generativ pentru dezvoltarea de antibiotice inedite. Conform comunicatului, sistemul nu se limitează la bibliotecile existente, ci poate crea noi molecule, pe care le anchetează prin predicții succesive înainte de a fi sintetizate efectiv.
Miza este foarte importantă, deoarece cercetarea s-a concentrat pe agenți patogeni dificil de combatut, cum ar fi MRSA (Staphylococcus aureus rezistent la meticilină) și Neisseria gonorrhoeae, cauza gonoreei. Conform studiilor prezentate, echipa a redus numărul de propuneri generate de IA la un set restrâns de compuși sintetizați și verificați, din care câțiva au demonstrat activitate antibacteriană puternică fără efecte nocive asupra celulelor umane. Din perspectivă practică, aceasta indică faptul că IA poate diminua considerabil resursele de timp și bani în etapele timpurii ale descoperirii de medicamente.
Totuși, trebuie păstrat un echilibru între entuziasm și așteptări realiste. Un rezultat promițător de laborator nu garantează automat o aprobare pentru piață. Urmează ani de optimizare, teste pe animale, evaluări de siguranță și studii clinice, cu riscul eventuale eșecuri. Cu toate acestea, valoarea IA constă în posibilitatea de a genera rapid și la costuri reduse multiple candidați, sporind șansele de a identifica medicamentul potrivit.
IA în terapie: modelul KI.SEP pentru dozare personalizată în sepsis
Un aspect mai puțin popular, dar de impact, îl reprezintă utilizarea IA și în administrarea optimizată a antibioticelor. Un studiu publicat în BMJ Open detaliază proiectul KI.SEP, care vizează ajustarea dozelor de antibiotice pentru pacienții cu sepsis din unitățile de terapie intensivă, prin modele de învățare automată ce pot estima rapid concentrațiile serice ale medicamentelor.
Contextul este simplu și critic: în sepsis, variabilitatea organismului este extremă (funcție renală, volum de distribuție, inflamație, perfuzii, boli asociate), iar dozele standard pot duce fie la subdozare, riscând eșec și rezistență, fie la supradozare, provocând toxicitate. Monitorizarea terapeutică (TDM) este soluția de referință pentru ajustare, dar nu este disponibilă universal și nu e întotdeauna eficientă în primele ore critice. În acest sens, KI.SEP propune modele de învățare automată care pot estima rapid concentrațiile medicației, eliminând dependența de TDM zilnic.
Studii desfășurate într-un spital universitar din Germania implică 200 de pacienți, tratați în perfuzie continuă conform standardelor locale, cu probe pentru TDM și date clinice colectate zilnic, în primele 8 zile și la externare sau în ziua 30. Modelele sunt validate intern, cu un raport de 70/30 între datele de antrenament și cele de test. În plus, se dezvoltă un model „general” bazat pe parametri clinici uzuali și unul „de precizie”, care integrează și date avansate precum proteomica și biomarkerii soluți.
O altă noutate importantă vizează integrarea în sistemele de suport decizional clinice (CDSS), pentru recomandări în timp real privind dozajul optim și momentul pentru TDM. Validarea externă a modelului se va realiza cu un set de date independent, SepsisDataNet.NRW, cu peste 500 de pacienți, pentru a evita suprapunerea unor rezultate specifice unui singur centru.
Riscuri, limitări și beneficii reale pentru pacient și sistemul de sănătate
Chiar dacă pare promițător, utilizarea IA în domeniul antibioticelor are limite evidente. În descoperirea de molecule, corpul uman reprezintă un mediu mult mai complicat decât o cultură de laborator, iar multe „medicamente candidate” eșuează din cauza lipsei de siguranță, biodisponibilitate sau eficiență. Astfel, IA poate accelera faza inițială, dar nu poate înlocui etapale riguroase de validare și aprobare.
În aplicarea clinică, principalele riscuri sunt legate de acuratețea datelor și modul în care recomandările IA se pot integra în realitatea spitalelor. Modul în care fișele pacientului sunt completate, datele lipsă sau variabilitatea pot afecta performanța modelelor, fiind nevoie de tehnici de imputare și selecție a variabilelor. În plus, pentru ca un sistem de recomandare să funcționeze, trebuie să fie transparent și simplu de interpretat pentru clinicieni, pentru a fi utilizat în deciziile zilnice.
Pentru transformarea acestei revoluții în beneficii concrete, trebuie reținute trei concepte esențiale. Primul: AI-ul poate accelera identificarea de antibiotice noi, însă dezvoltarea acestora nu se va întâmpla peste noapte, iar prudența rămâne obligatorie până la aprobarea clinică. Al doilea: IA poate crește șansele ca medicamentul potrivit să fie administrat în doza corectă, mai ales în situații critice, precum sepsisul. Al treilea: responsabilitatea în utilizarea antibioticelor nu poate fi eliminată, fiindcă bacteriile vor continua să evolueze, iar presiunea asupra bacteriilor va persista, chiar și cu modele mai inteligente.
