yapay zekânın (ai) kullanımı tıp söz konusu olduğunda oyunun kurallarını değiştiriyor ve bu teknoloji bilim insanlarının 60 yıl sonra ilk yeni antibiyotiğin kilidini açmasına yardımcı oluyor.

her yıl dünya çapında binlerce kişinin ölümüne neden olan ilaca dirençli bir bakteriyi öldürebilen yeni bir bileşiğin keşfi, antibiyotik direncine karşı mücadelede bir dönüm noktası olabilir.

massachusetts teknoloji enstitüsü'nde (mit) tıp mühendisliği ve bilim profesörü ve çalışmanın yazarlarından biri olan james collins yaptığı açıklamada, "buradaki içgörü, belirli moleküllerin iyi antibiyotikler olacağına dair tahminlerini yapmak için modeller tarafından neler öğrenildiğini görebilmemizdi" dedi.

"çalışmamız, kimyasal yapı açısından bugüne kadar sahip olmadığımız şekilde, zaman açısından verimli, kaynak açısından verimli ve mekanik açıdan anlayışlı bir çerçeve sunuyor".

sonuçlar bugün nature dergisinde yayınlandı ve 21 araştırmacıdan oluşan bir ekip tarafından ortaklaşa yazıldı.

projenin arkasındaki ekip, yeni bileşiğin aktivitesini ve toksisitesini tahmin etmek için bir derin öğrenme modeli kullandı.

derin öğrenme, açık programlama olmadan verilerden özellikleri otomatik olarak öğrenmek ve temsil etmek için yapay sinir ağlarının kullanılmasını içerir.

potansiyel ilaç adaylarının belirlenmesini hızlandırmak, özelliklerini tahmin etmek ve ilaç geliştirme sürecini optimize etmek için ilaç keşfinde giderek daha fazla uygulanmaktadır.

bu vakada araştırmacılar metisiline dirençli staphylococcus aureus'a (mrsa) odaklandı.

mrsa enfeksiyonları, hafif cilt enfeksiyonlarından zatürre ve kan dolaşımı enfeksiyonları gibi daha ciddi ve potansiyel olarak yaşamı tehdit eden durumlara kadar değişebilir.

avrupa hastalık önleme ve kontrol merkezi'ne (ecdc) göre, avrupa birliği'nde her yıl yaklaşık 150.000 mrsa enfeksiyonu meydana gelirken, antimikrobiyal dirençli enfeksiyonlar nedeniyle blokta yılda yaklaşık 35.000 kişi hayatını kaybediyor.

mıt araştırmacı ekibi, genişletilmiş veri kümelerini kullanarak kapsamlı bir şekilde genişletilmiş bir derin öğrenme modelini eğitti.

eğitim verilerini oluşturmak için yaklaşık 39.000 bileşik mrsa'ya karşı antibiyotik aktiviteleri açısından değerlendirildi. daha sonra, hem elde edilen veriler hem de bileşiklerin kimyasal yapılarına ilişkin ayrıntılar modele girildi.

"bu çalışmada yapmak istediğimiz şey kara kutuyu açmaktı. bu modeller, sinirsel bağlantıları taklit eden çok sayıda hesaplamadan oluşuyor ve kimse kaputun altında neler olup bittiğini gerçekten bilmiyor," diyor mıt ve harvard'da doktora sonrası araştırmacı ve çalışmanın baş yazarlarından biri olan felix wong.

potansiyel ilaçların seçimini iyileştirmek için araştırmacılar üç ek derin öğrenme modeli kullandılar. bu modeller, bileşiklerin üç farklı insan hücresi türü üzerindeki toksisitesini değerlendirmek üzere eğitildi.

araştırmacılar, bu toksisite tahminlerini daha önce belirlenen antimikrobiyal aktivite ile entegre ederek, insan vücuduna en az zarar vererek mikroplarla etkili bir şekilde mücadele edebilecek bileşikleri belirledi.

bu model seti kullanılarak, piyasada bulunan yaklaşık 12 milyon bileşik tarandı.

modeller, moleküllerdeki belirli kimyasal alt yapılara göre kategorize edilen ve mrsa'ya karşı öngörülen aktiviteyi sergileyen beş farklı sınıftan bileşikleri tanımladı.

daha sonra araştırmacılar bu bileşiklerden yaklaşık 280 tanesini elde etmiş ve laboratuvar ortamında mrsa'ya karşı testler gerçekleştirmiştir. bu yaklaşım, aynı sınıftan iki umut verici antibiyotik adayını belirlemelerine yol açtı.

biri mrsa deri enfeksiyonu, diğeri mrsa sistemik enfeksiyonu olmak üzere iki fare modelini içeren deneylerde, bu bileşiklerin her biri mrsa popülasyonunu 10 kat azalttı.

kaynak: euronews.text, makale

Piyasadaki Antibiyotik İlaçların Çeşitli İşlevleri