Od cudownego leku do poważnego zagrożenia – jak antybiotyki tracą swoją moc
Lekarze coraz częściej stają bezradni wobec infekcji, które nie reagują już na żaden dostępny antybiotyk. Firmy farmaceutyczne wycofują się z badań. A jednak – z zupełnie nieoczekiwanego kierunku nadchodzi nadzieja.
Środowisko medyczne od lat alarmuje, że era beztroskiego sięgania po antybiotyki dobiegła końca. Bakterie ewoluują w zastraszającym tempie, leki nie nadążają, a pula nowych substancji czynnych jest niemal wyczerpana. Teraz naukowcy sięgają po sztuczną inteligencję, by w rekordowym czasie odnaleźć zupełnie nowe klasy antybiotyków – coś, przed czym klasyczne laboratoria stoją bezsilne od dziesięcioleci.
Gdy w 1928 roku przypadkowo odkryto penicylinę, medycyna wkroczyła w nową erę. Zapalenie płuc, posocznica, infekcje ran – choroby, które wcześniej nierzadko kończyły się śmiercią, nagle stały się uleczalne. Operacje stały się bezpieczniejsze, gorączka połogowa znacząco zmalała, a zwykłe zakażenie przestało być wyrokiem.
Jednak właśnie ten sukces pociągnął za sobą poważne konsekwencje. Przez lata antybiotyki przepisywano przy anginie, zapaleniu ucha, a nawet zwykłym przeziębieniu – nawet gdy winowajcą był wirus. W hodowli zwierząt stosowano je profilaktycznie, by przyspieszyć przyrost masy i zapobiegać chorobom.
Masowe i często nieuzasadnione stosowanie antybiotyków dało bakteriom wszelkie warunki, by krok po kroku przystosowywać się do naszych leków.
Bakterie namnażają się błyskawicznie. Przy każdym podziale mogą powstawać drobne zmiany genetyczne. Osobniki, które przypadkowo niosą mutację chroniącą przed danym antybiotykiem, przeżywają kurację. Te odporne bakterie rozmnażają się i przekazują swoją przewagę dalej. Po tysiącach pokoleń powstaje superbakteria, na którą środki z apteki praktycznie nie działają.
Antybiotykooporność – cicha pandemia w natarciu
Według najnowszych szacunków co roku z powodu infekcji wywołanych przez bakterie oporne na antybiotyki umiera około 1,1 miliona ludzi. Jeśli kraje nie zmienią radykalnie swojej polityki zdrowotnej, liczba ta może wzrosnąć do około 8 milionów rocznie do 2050 roku. To więcej ofiar niż łącznie powodują wszystkie nowotwory złośliwe w chwili obecnej.
Do najbardziej znanych groźnych drobnoustrojów należą:
- Neisseria gonorrhoeae – wywołuje rzeżączkę i jest dziś praktycznie niewrażliwa na wiele antybiotyków pierwszego rzutu.
- Staphylococcus aureus (w tym MRSA) – żyje nieszkodliwie na skórze milionów ludzi, ale przy ranach czy operacjach może powodować ciężkie, trudne do leczenia infekcje.
Za tymi przykładami kryje się znacznie szerszy trend. Dziesiątki innych patogenów wykazują podobne wzorce. Oporność rośnie szybciej, niż jesteśmy w stanie opracowywać nowe substancje. W latach 2017–2022 na światowy rynek trafiło zaledwie dwanaście nowych antybiotyków. Większość z nich stanowiła modyfikację już istniejących grup leków – takich, na które bakterie niekiedy już zdążyły wypracować mechanizmy obronne.
Stworzenie naprawdę nowego antybiotyku wymaga wieloletnich prac, ogromnych nakładów finansowych i rygorystycznych badań bezpieczeństwa. Dla firm farmaceutycznych jest to finansowo nieatrakcyjne: dobry antybiotyk powinien być stosowany jak najrzadziej, by opóźnić powstawanie oporności. To hamuje przychody, podczas gdy ryzyko i koszty pozostają wysokie. W efekcie wiele przedsiębiorstw wycofuje się z tej dziedziny badań.
Medycyna napotyka nie tylko bariery biologiczne, ale również ekonomiczne i technologiczne.
AI jako akcelerator – poszukiwanie leków z prędkością bakterii
Naukowcy próbują teraz ominąć tę ścianę za pomocą sztucznej inteligencji. Jednym z najbardziej dyskutowanych przykładów jest projekt z Massachusetts Institute of Technology (MIT), gdzie profesor James Collins wraz ze swoim zespołem wytrenował model AI do poszukiwania nowych antybiotyków.
Model przeszedł najpierw intensywne „szkolenie". Karmiono go danymi dotyczącymi:
- struktur chemicznych znanych antybiotyków
- sposobu, w jaki substancje te atakują i unieszkodliwiają bakterie
- tego, który typ bakterii reaguje na którą substancję
- toksyczności dla tkanek ludzkich
System uczył się rozpoznawać wzorce w tym ogromnym zbiorze danych – jakie kształty i kombinacje atomów są typowe dla substancji zdolnych zabijać bakterie, a jakie wskazują na cząsteczki bezużyteczne lub niebezpieczne.
Od milionów cząsteczek do kilku obiecujących kandydatów
Następnie zaczęła się prawdziwa praca. Zamiast mozolnie testować tysiące probówek w fizycznym laboratorium, zespół pozwolił AI przeszukiwać wirtualnie gigantyczną bibliotekę zawierającą około 45 milionów struktur chemicznych. Nie były to eksperymenty z odczynnikami, lecz modele obliczeniowe oceniające, jak dany kształt cząsteczki prawdopodobnie zachowuje się w kontakcie z bakterią.
Na podstawie tych ocen system sam generował nowe warianty. Uwzględniając sukcesy i porażki w kolejnych rundach obliczeń, AI stopniowo modyfikowała cząsteczki, by zwiększyć prawdopodobieństwo działania antybakteryjnego. W efekcie powstało około 36 milionów zupełnie nowych związków, których nigdy wcześniej nie testowano na ludziach ani zwierzętach.
Tam gdzie tradycyjny zespół badawczy potrzebuje lat, by przeanalizować kilka tysięcy kandydatów, AI przebija się przez miliony możliwości w ciągu dni.
Z tej ogromnej puli naukowcy wybrali ograniczoną grupę najbardziej obiecujących substancji, które zostały faktycznie zsyntetyzowane i przetestowane na opornych szczepach bakterii w prawdziwym laboratorium. Spośród tej garstki kandydatów dwie okazały się wyjątkowo skuteczne przeciwko bakteriom niewrażliwym na istniejące antybiotyki – i co ważne, działały poprzez inne mechanizmy niż dotychczasowe leki.
Dwie cząsteczki na 36 milionów brzmi skromnie, ale w kontekście odkrywania leków to zaskakująco dobry wynik. Wiele klasycznych programów badawczych kończy się po latach bez choćby jednej substancji czynnej, która przeszłaby etap przedkliniczny.
Inne systemy AI wspierające walkę z opornością
Projekt MIT nie jest odosobnionym przypadkiem. Na wielu frontach pojawiają się zastosowania sztucznej inteligencji w walce z opornością na antybiotyki:
| Narzędzie AI | Rola w ochronie zdrowia |
|---|---|
| AlphaFold | Przewiduje trójwymiarową strukturę białek, dzięki czemu naukowcy lepiej identyfikują miejsca, w które antybiotyk może „uderzyć" w bakterię. |
| Modele AMR-AI | Szacują, jak bakterie ewoluują genetycznie i jakie mechanizmy oporności mogą pojawić się w przyszłości. |
| Predykcyjne modele szpitalne | Analizują dane pacjentów, by doradzić, który antybiotyk ma największe szanse powodzenia, i ograniczać zbędne szerokie stosowanie leków. |
Łącząc te systemy, naukowcy mogą prowadzić bardziej precyzyjne poszukiwania – lepiej wiedzą, które białka bakteryjne stanowią czuły punkt, jakie kształty cząsteczek są perspektywiczne i jakich strategii obronnych bakterie mogą użyć w przyszłości.
AI to nie cudowny lek – ale pilnie potrzebny akcelerator
Sztuczna inteligencja sama w sobie nie rozwiąże jednak całego problemu. Algorytm wskazujący interesującą cząsteczkę to jeszcze nie bezpieczny lek dostępny w aptece. Między cyfrową prognozą a dopuszczonym do obrotu antybiotykiem leżą lata badań toksyczności, prób klinicznych, ocen regulacyjnych i wyzwań produkcyjnych.
Inteligentne oprogramowanie nie eliminuje też głębszych przyczyn oporności. Dopóki lekarze, weterynarze i pacjenci niepotrzebnie sięgają po antybiotyki, bakterie nadal będą miały powód do rozwijania nowych mechanizmów obronnych. Surowsze regulacje, lepsza edukacja i szybka diagnostyka pozostają absolutnie niezbędne.
AI poszerza skrzynkę narzędziową medycyny, ale sposób, w jaki tych narzędzi używamy, nadal pozostaje w ludzkich rękach.
Co to oznacza dla pacjentów i codziennej praktyki medycznej
Dla pacjentów ta zmiana może mieć w dłuższej perspektywie ogromne znaczenie. Jeśli nowe, odkryte przez AI antybiotyki okażą się bezpieczne i skuteczne, lekarze zyskają dodatkowe opcje przy trudnych infekcjach. Dotyczy to nie tylko rzadkich chorób – zwykła operacja wyrostka robaczkowego czy chemioterapia nowotworowa stają się naprawdę niebezpieczne, gdy infekcje wymykają się spod kontroli.
W codziennej praktyce rośnie rola decyzji opartych na danych. Szpitale budują systemy automatycznie łączące wyniki badań laboratoryjnych, historię infekcji i lokalne wzorce oporności. System AI może wówczas doradzić:
- który antybiotyk ma największą szansę zadziałać
- jaka dawka jest wystarczająca, bez zbędnego przesadzania
- jak długo powinna trwać kuracja
Bardziej celowane leczenie zmniejsza ryzyko, że bakterie zrobią kolejny krok naprzód. Wymaga to jednak przejrzystości – lekarze chcą rozumieć, dlaczego model wydaje określone zalecenie, a pacjenci muszą mieć pewność, że ich dane są przetwarzane z należytą starannością.
Co ty sam możesz zrobić, by ograniczyć antybiotykooporność
Antybiotykooporność brzmi jak odległy problem, ale codzienne zachowania mają ogromne znaczenie. Kilka konkretnych działań:
- Nie proś o antybiotyk „dla pewności", jeśli lekarz stwierdza, że nie jest potrzebny.
- Zawsze kończ przepisaną kurację – nawet jeśli czujesz się już lepiej.
- Nigdy nie używaj resztek po poprzedniej kuracji ani leków kogoś innego.
- Dbaj o higienę: regularne mycie rąk, aktualne szczepienia i właściwa pielęgnacja ran zmniejszają ryzyko, że w ogóle będziesz potrzebować antybiotyku.
Sztuczna inteligencja może pomóc nam znaleźć nowe leki, ale tempo, w jakim bakterie odpowiadają kontratakiem, zależy w dużej mierze od tego, jak my sami z tych leków korzystamy. Właśnie połączenie zaawansowanej technologii z rozsądnymi decyzjami – w gabinecie lekarskim, szpitalu i własnym domu – zdecyduje o tym, czy nowe antybiotyki będą służyć nam przez dziesięciolecia, czy stracą skuteczność w zaledwie kilka lat.
