Od cudownego leku do poważnego zagrożenia: jak antybiotyki tracą swoją moc
Lekarze od lat alarmują, że era beztroskiego stosowania antybiotyków dobiegła końca. Bakterie adaptują się w zawrotnym tempie, dostępne leki coraz częściej zawodzą, a pipeline nowych substancji niemal całkowicie wysechł. Teraz naukowcy sięgają po sztuczną inteligencję, by w rekordowym czasie odkryć zupełnie nowe antybiotyki — coś, z czym tradycyjne laboratoria borykają się od dziesięcioleci.
Gdy penicylina została przypadkowo odkryta w 1928 roku, medycyna wkroczyła w nową erę. Zapalenie płuc, posocznica, infekcje ran — choroby, które wcześniej często kończyły się śmiercią, nagle stały się uleczalne. Zabiegi chirurgiczne stały się bezpieczniejsze, gorączka połogowa znacznie rzadziej zbierała śmiertelne żniwo, a zwykłe zakażenie przestało oznaczać wyrok.
Jednak właśnie ten sukces pociągnął za sobą poważne konsekwencje. Przez lata antybiotyki przepisywano przy zapaleniu gardła, infekcjach uszu, a nawet przeziębieniu — nawet gdy winowajcą był wirus, a nie bakteria. W hodowli zwierząt stosowano je profilaktycznie, żeby przyspieszyć wzrost i zapobiegać chorobom.
Przez masowe i często zbędne stosowanie daliśmy bakteriom wszelkie szanse, by krok po kroku przystosowały 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 mnożą się i przekazują swoją przewagę kolejnym pokoleniom. Po tysiącach generacji powstaje „superbakteria", która praktycznie nie reaguje na leki dostępne w aptece.
Antybiotykooporność: cicha pandemia nabierająca rozpędu
Według najnowszych szacunków co roku na zakażenia wywołane przez bakterie odporne na dostępne antybiotyki umiera około 1,1 miliona ludzi. Jeśli kraje nie zmienią radykalnie swojej polityki, liczba ta może do 2050 roku wzrosnąć do około ośmiu milionów ofiar rocznie — więcej niż wszystkie rodzaje nowotworów razem wzięte powodują dzisiaj.
Do najbardziej znanych problematycznych drobnoustrojów należą:
- Neisseria gonorrhoeae: wywołuje rzeżączkę i jest już praktycznie niewrażliwa na wiele antybiotyków pierwszego rzutu.
- Staphylococcus aureus (w tym MRSA): żyje nieszkodliwie na skórze milionów ludzi, lecz przy ranach lub operacjach może wywoływać poważne infekcje, które są niezwykle trudne do wyleczenia.
Za tymi przykładami kryje się znacznie szerszy trend. Dziesiątki innych patogenów wykazują podobne wzorce. Oporność narasta szybciej, niż jesteśmy w stanie opracowywać nowe leki. W latach 2017–2022 na całym świecie trafiło na rynek zaledwie dwanaście nowych antybiotyków, z czego większość stanowiła modyfikacje już istniejących grup — a bakterie nierzadko zdążyły już wykształcić wobec nich mechanizmy obronne.
Stworzenie naprawdę nowego antybiotyku wymaga wieloletnich prac, ogromnych nakładów finansowych i rygorystycznych testów bezpieczeństwa. Dla firm farmaceutycznych to inwestycja nieopłacalna: dobry antybiotyk powinien być przepisywany jak najrzadziej, żeby opóźnić powstawanie oporności. To hamuje przychody, podczas gdy ryzyko i koszty pozostają wysokie. W efekcie wiele firm wycofuje się z tego obszaru badań.
Nauka medyczna nie napotyka tylko barier biologicznych — staje też przed murami ekonomicznymi i technologicznymi.
AI jako akcelerator: szukanie leków w tempie równym bakteriom
Naukowcy próbują teraz obejść ten mur za pomocą sztucznej inteligencji. Jednym z najczęściej przytaczanych 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". Dostarczono mu dane dotyczące:
- struktur chemicznych znanych antybiotyków
- sposobu, w jaki substancje te atakują i neutralizują bakterie
- tego, który typ bakterii reaguje na którą substancję
- toksyczności dla ludzkiego organizmu
System nauczył się rozpoznawać wzorce w tym oceanie danych: jakie kształty i kombinacje atomów charakteryzują substancje zdolne zabijać bakterie, a jakie wskazują na cząsteczki bezużyteczne lub wręcz niebezpieczne.
Od milionów cząsteczek do garści obiecujących kandydatów
Dopiero wtedy zaczęła się właściwa praca. Zamiast przeglądać tysiące probówek w fizycznym laboratorium, zespół puścił AI na wirtualną przeszukiwarkę po gigantycznej bibliotece liczącej około 45 milionów struktur chemicznych. Żadnych eksperymentów z odczynnikami — jedynie modele obliczeniowe szacujące, jak dany kształt cząsteczki prawdopodobnie zachowa się wobec bakterii.
Na podstawie tych ocen system samodzielnie generował nowe warianty. Uwzględniając sukcesy i porażki w kolejnych rundach obliczeń, AI stopniowo modyfikowała cząsteczki, żeby zwiększyć szansę na działanie antybakteryjne. Ostatecznie dało to około 36 milionów zupełnie nowych związków, które nigdy wcześniej nie były testowane na ludziach ani zwierzętach.
Tam, gdzie tradycyjny zespół badawczy potrzebuje lat na sprawdzenie kilku tysięcy kandydatów, AI w kilka dni przegląda miliony możliwości.
Z tej góry naukowcy wybrali niewielką grupę najbardziej obiecujących substancji, które faktycznie zsyntetyzowano i przetestowano na opornych szczepach bakterii w prawdziwym laboratorium. Spośród tej garstki kandydatów dwie substancje okazały się wyjątkowo skuteczne wobec bakterii niewrażliwych na istniejące antybiotyki — i co ważne, działały przez inny mechanizm niż dotychczasowe leki.
Dwie cząsteczki spośród 36 milionów może brzmieć skromnie, lecz w kontekście odkrywania leków to niezwykle dobry wynik. Wiele klasycznych programów badawczych kończy się po latach pracy bez choćby jednej substancji, która przejdzie przez etap przedkliniczny.
Inne systemy AI wspierające walkę z opornością
Projekt MIT nie jest odosobniony. Na wielu frontach pojawiają się zastosowania sztucznej inteligencji w zwalczaniu oporności:
| Narzędzie AI | Rola w ochronie zdrowia |
|---|---|
| AlphaFold | Przewiduje trójwymiarową strukturę białek, dzięki czemu badacze lepiej widzą, w którym miejscu antybiotyk może „uderzyć" w bakterię. |
| Modele AMR-AI | Szacują, jak bakterie ewoluują genetycznie i jakie mechanizmy oporności prawdopodobnie pojawią się w przyszłości. |
| Predykcyjne modele szpitalne | Analizują dane pacjentów, by doradzić, który antybiotyk ma największe szanse powodzenia, ograniczając przy tym zbędne stosowanie szerokich spektrum leków. |
Łącząc takie systemy, naukowcy mogą prowadzić bardziej ukierunkowane poszukiwania — lepiej wiedzą, które białka bakteryjne stanowią podatną piętę achillesową, które kształty cząsteczek są obiecujące i jakich strategii adaptacyjnych bakterie mogą użyć w przyszłości.
AI to nie cudowny lek, ale niezbędny akcelerator
Mimo wszystko sztuczna inteligencja nie rozwiąże problemu samodzielnie. Algorytm wskazujący interesującą cząsteczkę to jeszcze nie bezpieczny lek na aptecznej półce. Między cyfrową prognozą a zatwierdzonym antybiotykiem leżą lata testów toksyczności, badań klinicznych, ocen regulacyjnych i wyzwań produkcyjnych.
Inteligentne oprogramowanie nie eliminuje też przyczyn leżących u podstaw oporności. Dopóki lekarze, weterynarze i pacjenci zbyt często sięgają po antybiotyki, bakterie nadal będą miały motywację do wypracowywania nowych metod obrony. Surowsze przepisy, lepsza edukacja i szybka diagnostyka pozostają niezbędne.
AI poszerza skrzynkę narzędziową medycyny, ale sposób, w jaki te narzędzia są używane, pozostaje w ludzkich rękach.
Co to oznacza dla pacjentów i codziennej praktyki medycznej
Dla pacjentów ta zmiana może mieć ogromne znaczenie w dłuższej perspektywie. Jeśli nowe antybiotyki odkryte przez AI okażą się bezpieczne i skuteczne, lekarze zyskają dodatkowe opcje przy trudnych infekcjach. To nie tylko kwestia rzadkich chorób — zwykły zabieg appendektomii czy chemioterapia stają się naprawdę niebezpieczne właśnie wtedy, gdy infekcje wymykają się spod kontroli.
W codziennej praktyce rośnie rola decyzji opartych na danych. Szpitale budują systemy automatycznie łączące wyniki laboratoryjne, historię infekcji i lokalne wzorce oporności. Taki system AI może na przykład doradzić:
- który antybiotyk ma największą szansę zadziałać
- jaka dawka jest wystarczająca bez niepotrzebnego jej zwiększania
- jak długo powinna trwać kuracja
Precyzyjniejsze leczenie zmniejsza ryzyko, że bakterie zrobią kolejny krok naprzód. Wymaga to jednak przejrzystości — lekarze chcą rozumieć, dlaczego model daje konkretną rekomendację, a pacjenci muszą mieć pewność, że ich dane są wykorzystywane z należytą starannością.
Jak ty możesz przyczynić się do ograniczenia oporności
Antybiotykooporność brzmi jak odległy problem, ale codzienne zachowania odgrywają tu niebagatelną rolę. Oto kilka konkretnych działań:
- Nie proś o antybiotyk „na wszelki wypadek", jeśli lekarz mówi, że nie jest potrzebny.
- Zawsze dokończ przepisaną kurację, nawet gdy poczujesz się lepiej.
- Nigdy nie używaj resztek leków z poprzedniej kuracji ani preparatów od kogoś innego.
- Dbaj o higienę: dokładne mycie rąk, aktualne szczepienia i odpowiednia pielęgnacja ran zmniejszają ryzyko, że w ogóle będziesz potrzebować antybiotyku.
AI może pomóc nam odkrywać nowe leki, ale tempo, w jakim bakterie odpierają nasze ataki, w dużej mierze zależy od tego, jak my sami obchodzimy się z tymi substancjami. To właśnie połączenie zaawansowanej technologii z rozsądnymi wyborami — w gabinecie lekarskim, szpitalu i własnym domu — zdecyduje, czy nowe antybiotyki posłużą nam przez dziesięciolecia, czy wypalą się w ciągu zaledwie kilku lat.
