U nepovoljnim uvjetima za rješavanje složenih globalnih izazova, od uništavanja bolesti do održivih izvora energije i suzbijanja klimatskih promjena, istraživači sve više koriste umjetnu inteligenciju (AI) i kvantitativnu analizu za dizajniranje i izradu inženjerskih stanica s novim svojstvima. Ove inženjerske stanice mogu se programirati da postanu nove terapije, potencijalno borbe i čak uništavajući bolesti. Na čelu ove inovativne istraživačke prakse je James J. Collins, pionir u sintezi biologije i sistemskoj biologiji. Njegov rad je doveo do razvoja novih klasa dijagnostike i terapija, uključujući tretmane za patogene kao što su Ebola, Zika, SARS-CoV-2 i antibiotičko otporne bakterije. Kao Termeer profesor za medicinsko inženjerstvo i znanost na MIT-u, Collins je član osoblja Instituta za medicinsko inženjerstvo i znanost (IMES), direktor MIT Abdul Latif Jameel Klinike za strojno učenje u zdravstvu i osnivački član osoblja Wyss Instituta za biološki inspirirano inženjerstvo na Harvardu. U ovom Q&A-u, Collins dijeli svoj najnoviji rad, ciljeve i transformativni potencijal AI-a u ubrzavanju znanstvenog otkrivanja.
Snaga suradnje u istraživanju pokrenutom AI-om
Q: Suradnja je bila centralna u našem radu. Kako su ove suradnje i afilijacije pomogle u našem istraživanju?
A: Suradnja je bila ključna u našem radu u MIT Jameel Klinici za strojno učenje u zdravstvu. Formirao sam suradnju s Reginom Barzilay, Delta Electronics profesorom na MIT odjelu za elektrotehniku i računarstvo, i Tommijem Jaakkolom, Thomas Siebel profesorom za elektrotehniku i računarstvo i Instituta za podatke, sustave i društvo. Zajedno smo koristili duboko učenje za otkrivanje novih antibiotika. Ovaj napor je kombinirao naše stručnosti u umjetnoj inteligenciji, mrežnoj biologiji i sistemskoj mikrobiologiji, vodeći do otkrivanja halicina, snažnog novog antibiotika djelotvornog protiv širokog spektra višestruko otpornih bakterijskih patogena. Naši rezultati, objavljeni u Cell-u 2020. godine, pokazali su snagu spajanja komplementarnih vještina za rješavanje globalnog zdravstvenog izazova.
Na Wyss Institutu sam blisko surađivao s Donaldom Ingberom, Judah Folkman profesorom za vaskularnu biologiju na Harvard Medical School i Vaskularnom biološkom programu na Boston Children’s Hospital, i Hansjörg Wyss profesorom za biološki inspirirano inženjerstvo na Harvardu. Iskoristili smo njegovu tehnologiju organs-on-chips za testiranje učinkovitosti antibiotika otkrivenih i generiranih AI-om. Ove platforme nam omogućuju proučavanje ponašanja lijekova u ljudskim tkivima sličnim okruženjima, dopunjujući tradicionalne životinjske eksperimente i pružajući detaljniji pogled na njihovu terapeutsku potencijalnost. Zajednička nit kroz naše mnoge suradnje je mogućnost kombiniranja računalnih predviđanja s najmodernijim eksperimentalnim platformama, ubrzavajući put od ideja do validiranih novih terapija.
AI i budućnost otkrivanja antibiotika
Q: Vaše istraživanje dovelo je do mnogih napretaka u dizajniranju novih antibiotika koristeći generativni AI i duboko učenje. Možete li pričati o nekim napretcima u kojima ste sudjelovali u razvoju lijekova koji mogu boriti se protiv višestruko otpornih patogena, i što vidite na horizontu za prekretnice u ovoj oblasti?
A: Godine 2025. naša laboratorija objavila je studiju koja je pokazala kako se generativni AI može koristiti za dizajniranje potpuno novih antibiotika od nule. Koristili smo genetičke algoritme i varijacijske autoenkodere za generiranje milijuna kandidata molekula, istražujući i fragmentne dizajne i potpuno neograničeni kemijski prostor. Nakon računalnog filtriranja, modeliranja retrosinteze i pregleda medicinske kemije, sintetizirali smo 24 spoja i testirali ih eksperimentalno. Sedam je pokazalo selektivnu bakterijsku aktivnost. Jedan vodič, NG1, bio je vrlo usko spektralan, uništavajući višestruko otporne Neisseria gonorrhoeae, uključujući one otporne na sve poznate antibiotike. Ovaj rad ukazuje na potencijal AI-a za revoluciju u otkrivanju antibiotika, ali također ističe potrebu za nastavkom ulaganja u ovu kritičnu oblast.
Gledajući naprijed, vidim nekoliko zanimljivih razvojnih mogućnosti na horizontu. Prvo, integracija AI-a s platformama za visoku razinu eksperimentiranja omogućit će nam brže validiranje više kandidata. Drugo, upotreba AI-a za predviđanje neželjenih učinaka i toksičnosti pomoći će nam dizajnirati sigurnije i učinkovitije lijekove. Treće, primjena AI-a na druge oblasti medicine, kao što su rak i neurodegenerativne bolesti, nosi veliku obećanje. Na kraju, demokratizacija AI alata omogućit će većem broju istraživača da iskoriste ove tehnologije, ubrzavajući tempo otkrivanja u cijelosti.
Etički i društveni utjecaji AI-a u medicini
Q: Kako AI postaje sve više uobičajen u medicini, kako se moramo pripremiti za etičke i društvene izazove koje on nosi?
A: Kako AI postaje sve više uobičajen u medicini, moramo biti svjesni etičkih i društvenih izazova koje on nosi. Jedan od glavnih izazova je osiguranje da AI alati budu transparentni i interpretabilni, kako bismo mogli razumjeti kako donose odluke. Drugo, moramo se pripremiti za potencijalne negativne posljedice, kao što su diskriminacija i nedostatak pristupa, koje mogu nastati ako AI alati nisu dobro dizajnirani ili implementirani. Treće, moramo razmatrati kako AI može utjecati na radne mjesta i karijere u medicinskom polju, te kako možemo osigurati da svi imaju priliku koristiti ove tehnologije.
Zaključak
James J. Collins i njegovi suradnici na MIT-u i Wyss Institutu pokazali su kako AI može revolucionizirati otkrivanje lijekova i ubrzati znanstvena otkrića. Kako se AI tehnologije nastavljaju razvijati, važno je da se pripremimo za etičke i društvene izazove koje one nosi, te da osiguramo da su one dostupne i korisne za sve.
FAQ
Q: Kako AI može ubrzati otkrivanje lijekova?
A: AI može ubrzati otkrivanje lijekova tako što omogućuje istraživačima da brže i efikasnije istražuju velike količine podataka i generiraju nove ideje za lijekove. Također može pomoći u dizajniranju i testiranju novih molekula, što može ubrzati proces razvoja lijekova.
Q: Koje su glavne etičke zabrinutosti vezane uz upotrebu AI-a u medicini?
A: Glavne etičke zabrinutosti vezane uz upotrebu AI-a u medicini uključuju potencijal za diskriminaciju, nedostatak pristupa i privatnost podataka. Također se moramo pripremiti za potencijalne negativne posljedice, kao što su pogrešne dijagnoze i liječenje.
Q: Kako možemo osigurati da AI alati budu transparentni i interpretabilni?
A: Da bismo osigurali da AI alati budu transparentni i interpretabilni, moramo koristiti metode kao što su objašnjivački AI i vizualizacija podataka. Također je važno uključiti ljudske stručnjake u proces dizajna i implementacije AI alata, kako bismo osigurali da su oni etički i društveno odgovorni.
Q: Kako možemo osigurati da svi imaju priliku koristiti AI tehnologije u medicini?
A: Da bismo osigurali da svi imaju priliku koristiti AI tehnologije u medicini, moramo raditi na njihovoj demokratizaciji i pristupačnosti. To uključuje razvoj pristupačnih alata i resursa, te osiguravanje da su AI tehnologije dostupne u svim područjima i društvenim slojevima. Također je važno uključiti različite skupine ljudi u proces dizajna i implementacije AI alata, kako bismo osigurali da su oni inkluzivni i odgovorni.