在对抗耐药性感染的军备竞赛中，人类已逐渐落后——近40年来尚未发现新型主要抗生素。如今，医生和科学家表示，一种人工智能工具已设计出可能用于治疗主要超级细菌的新型化学物质。
麻省理工学院研究团队利用人工智能模型识别对抗淋病和耐甲氧西林金黄色葡萄球菌的新候选药物。脆弱患者亟需更有效的抗生素，而医生和科学家对一种能设计新型化学物质以治疗耐药性淋病和MRSA（耐甲氧西林金黄色葡萄球菌，加拿大医院常见感染源）的人工智能工具表示振奋。
在对抗耐药超级细菌的竞赛中，人类始终处于下风。世界卫生组织指出，耐药菌株感染每年导致全球超120万人死亡，构成"紧迫的全球健康威胁"。这意味着医生需要新方法应对这些难以治疗的感染。尽管现有抗生素类别已有改良，但近40年来尚未发现新型主要抗生素。
目前，医学专家表示一种人工智能工具已创造性设计出可能治疗主要超级细菌的新型化学物质。上月，麻省理工学院医学工程师团队在《细胞》期刊报告称，他们采用生成式人工智能模型，针对两种顽疾——耐药性性传播感染淋病和MRSA——提出具有抗菌潜力的独特化合物。
尽管这些新化合物仍需通过临床试验验证安全性和有效性，并获得加拿大卫生部等监管机构批准才能用于患者，但实验室小鼠测试已证明其对抗耐药菌株的潜力。
非营利生物科技公司Phare Bio首席执行官阿基拉·科萨拉朱表示："这些计算模型能优雅精准地从头设计具有抗生素特性的化合物，这才是真正的突破性进展。"她指出，抗生素耐药性规模庞大，需要超越个体临床医生能力的新方法。由慈善家资助的Phare Bio旨在五年内将15种新型抗生素候选药物推进早期研究管线。
范德比尔特大学医学中心实验室医学部教授兼主任罗姆尼·汉弗莱斯强调，快速治疗感染对多种病症至关重要，包括复杂妊娠、器官移植和晚期癌症。"我们有些患者面临无可用抗生素的感染，这非常可怕。"汉弗莱斯表示，当前"对细菌狂轰滥炸以测试效果"的方法并不总能奏效。
科萨拉朱解释，过去科学家需从数据库筛选千种化合物，在实验室测试其对大肠杆菌等细菌的杀灭效果。而生成式人工智能通过模式匹配技术学习海量数据集，能根据提示生成内容。在麻省理工研究中，该模型学习了杀灭细菌的化学结构并识别新可能性，针对淋病和MRSA的顶级候选化合物经合成后，在实验室和小鼠感染模型中成功验证。
"我们的理论是，借助人工智能特别是生成式AI，我们将以更少但更精准的尝试达成目标。"科萨拉朱表示。汉弗莱斯警告，发现新抗生素仅是第一步，后续需验证人体安全性及药物在体内停留时长是否足以有效对抗细菌。
该研究结果意义重大，因其针对细菌的关键膜结构实现弱化作用——通过使细胞破裂、断绝营养或阻止自我复制等方式控制细菌。下一步，Phare Bio正开发符合患者需求的化合物版本，例如可口服的家庭用药而非医院注射剂。
除科学挑战外，抗生素研发还面临资金困境。科萨拉朱指出，新药推向患者需至少10年和数亿美元投入，而抗生素比其他药物更难盈利。本周，加拿大公共卫生署发布国家优先病原体新清单，从155种病原体中筛选出29种"对加拿大人构成重大风险"的病原体，耐药性淋病和耐碳青霉烯肠杆菌（可导致尿路感染、肾感染及免疫系统薄弱者的败血症和脑膜炎）位居联邦清单首位。
麦克马斯特大学生物化学与生物医学科学教授埃里克·布朗指出，传统培养皿测试新抗生素如同大海捞针。细菌拥有约4000个基因，科学家目前仅理解其中几十对基因功能，更遑论细菌与人体的相互作用机制。"这有点像预测天气，"布朗说，"这是一个极其复杂的系统，而人工智能及其他数学工具能帮助我们理解它。"他强调，解决抗生素耐药性需结合生物学、化学、物理学、计算机科学及统计学来分析人工智能提供的线索。
埃里克·布朗表示，涉及抗菌感染的系统极为复杂，人工智能能帮助人们理解这些机制。布朗补充道："虽然像麻省理工研发的新型潜在抗生素化合物前景可期，但这只是第一步。"
【全文结束】
