Recenti scoperte scientifiche hanno messo in luce l'utilità dell'AI nell'individuare nuove classi di antibiotici. La ricerca lavora per sviluppare metodi di cura più mirati.
La resistenza antimicrobica (in inglese Antimicrobial Resistance o AMR) è responsabile di 4,95 milioni di morti a livello globale, rileva la World Health Association. C’è necessità di mettere a punto nuovi antibiotici più efficaci. Questa è una sfida che può essere affrontata con l’impiego di alcune tecniche di intelligenza artificiale.
L’adozione dell’AI per sviluppare nuovi farmaci è agli inizi, ma negli ultimi due anni i medicinali progettati avvalendosi dell’artificial intelligence sono entrati nelle prime fasi degli studi clinici.
L’interesse suscitato dal suo utilizzo, in particolare per sviluppare antibiotici mirati, è legato anche al fatto che la AMR potrebbe causare danni ben peggiori in futuro. Da qui al 2050, l’UNEP prevede 10 milioni di morti ogni anno. Inoltre, ci saranno pesanti contraccolpi anche a livello economico. Se non controllata, la resistenza antimicrobica potrebbe ridurre il Pil mondiale di 3400 miliardi di dollari all’anno e portare 24 milioni di persone in estrema povertà nel prossimo decennio, sostiene lo stesso Programma delle Nazioni Unite per l’ambiente. Diventa, quindi, fondamentale studiare nuovi metodi e soluzioni, impiegando anche l’intelligenza artificiale per evitare questo scenario.
Takeaway
L’uso dell’AI contro la resistenza antimicrobica
L’adozione dell’intelligenza artificiale per sviluppare nuovi antibiotici è di grande interesse perché consente di rispondere rapidamente alla necessità di farmaci in grado di contrastare la resistenza antimicrobica. Solitamente, lo sviluppo di un nuovo farmaco ad hoc può richiedere fino a quindici anni, ma un microbo può sviluppare resistenza in soli due anni.
Eppure, l’industria farmaceutica ha ridotto gli investimenti negli ultimi anni perché gli antibiotici non sono reputati molto redditizi, anche nel confronto con altri dispositivi medici. Giusto per capire meglio: il mercato mondiale dei medicinali antitumorali raddoppierà, passando da 140 miliardi del 2022 a 303 miliardi nel 2031. Il valore di mercato delle terapie antinfiammatorie passerà da 94,6 miliardi di dollari a 149,5 miliardi di dollari nel 2031. La dimensione del mercato globale degli antibiotici è stata valutata 43 miliardi di dollari nel 2022 e seppure sia prevista in forte crescita, non è certamente paragonabile [fonte: Precedence Research – Antibiotics Market: Global Industry Analysis, Size, Share, Growth, Trends, Regional Outlook, and Forecast 2023-2032].
Inoltre, bisogna considerare il costo dello sviluppo di nuovi composti. È quasi impossibile produrre migliaia di nuove sostanze naturali e testarne l’efficacia con metodi convenzionali. Per questo, il fattore AI può diventare determinante.
Di recente, un team di ricercatori coordinati da Jon Stokes, docente del Dipartimento di Biochimica e Scienze Biomediche alla McMaster University, in Canada, e da James Collins, professore di ingegneria biologica al MIT di Boston, ha sviluppato un algoritmo di machine learning capace di esaminare in contemporanea migliaia di composti per scoprire se qualcuno di essi sia in grado di esprimere un’azione efficace contro un particolare batterio.
I ricercatori sono riusciti nell’intento: hanno identificato un nuovo composto in grado di annientare l’Acinetobacter baumannii, batterio spesso presente negli ospedali e che può portare a polmonite, meningite e altre infezioni gravi. Esso è in grado di sopravvivere nell’ambiente ospedaliero per molto tempo, assorbendo i geni della resistenza agli antibiotici dagli spazi in cui si trova.
Per ottenere l’importante risultato, gli scienziati hanno utilizzato un algoritmo di machine learning, lavorando su una libreria di quasi settemila potenziali composti farmaceutici. Il tempo di analisi è stato di sole due ore.
L’algoritmo è stato addestrato in modo da valutare se un composto chimico possa inibire la crescita del batterio. Inoltre, hanno scoperto che l’antibiotico messo a punto funziona su quel tipo di batterio e non su altri. È un pregio, questo, perché un antibiotico più mirato può ridurre al minimo il rischio che i microbi diffondano rapidamente la resistenza contro il farmaco.
Per questo, Stokes, Collins e l’équipe che ha lavorato con loro ritengono di poter adottare lo stesso approccio di modellizzazione per identificare nuovi antibiotici per altri tipi di infezioni farmaco resistenti.
Le opportunità da cogliere
L’AI è utile per ridurre la percentuale di fallimento dei farmaci negli studi clinici. Oggi si stima che il 90% dello sviluppo clinico di farmaci fallisca [fonte: Duxin Sun et al. Science Direct].
Non solo: l’intelligenza artificiale può facilitare il rilevamento precoce delle infezioni batteriche, essenziale per diagnosticare le infezioni associate all’assistenza sanitaria, ma anche per migliorare la diagnosi delle malattie e ottimizzare la prescrizione di antibiotici.
Uno dei campi applicativi dell’intelligenza artificiale riguarda l’interpretazione del test di sensibilità antimicrobica, parametro cruciale per studiare la risposta dei batteri agli agenti antimicrobici e valutare la AMR.
Tuttavia, l’interesse più sensibile per l’uso dell’AI è legato alle opportunità di sviluppare farmaci e in particolare, antibiotici. Il caso più recente riguardante la scoperta fatta dal team di scienziati degli Stati Uniti è quello che ha attirato maggiore attenzione.
Gli stessi scienziati sono i responsabili dello sviluppo del primo antibiotico scoperto sfruttando le potenzialità dell’AI. Essi hanno combinato previsioni in silico e indagini empiriche per scoprire un nuovo antibiotico ad ampio spettro, l’alicina, potente inibitore della crescita del batterio Escherichia coli. Per questo sono stati analizzati circa 2300 composti per prevedere l’inibizione della crescita del germe; i dati risultanti sono stati utilizzati per addestrare una deep neural network con l’obiettivo di prevedere l’attività antimicrobica della sostanza chimica. Oltre ad essere strutturalmente divergente dagli antibiotici convenzionali, l’alicina mostra attività battericida contro vari agenti patogeni.
Combinare biologia e intelligenza artificiale è un altro approccio studiato con successo. L’esempio lo offre quanto messo in luce da un’équipe di ricercatori del Max Planck Institute for Terrestrial Microbiology, in Germania. Essi hanno adottato in maniera virtuosa la combinazione per sviluppare un approccio più efficiente per trovare e creare nuovi peptidi antimicrobici, efficaci contro un’ampia gamma di batteri.
Il team ha sviluppato una linea di sintesi proteica priva di cellule per la produzione rapida ed economica di peptidi antimicrobici direttamente da modelli di DNA. In particolare, gli scienziati dell’istituto tedesco hanno impiegato prima generative deep learning per progettare ex novo migliaia di queste specifiche proteine e poi DL predittivo per restringere il campo a 500 candidati. Questo ha permesso di identificare alcuni peptidi che hanno mostrato attività ad ampio spettro contro microorganismi patogeni multi-resistenti e non hanno sviluppato resistenza batterica.
Applicare machine learning per lo sviluppo di nuovi farmaci, a cominciare da trattamenti antibiotici per la tubercolosi (nel mondo, 230mila persone ogni anno muoiono di tubercolosi multiresistente), è l’obiettivo per cui è stato avviato, sempre in Germania, il progetto NextAID (Neuro-explicit AI for Drug Discovery) presso l’Università del Saarland.
Modelli di ML verranno applicati per accelerare lo screening dei composti, eseguire previsioni in silico sulle proprietà farmacocinetiche e sulla tossicità dei farmaci candidati. L’intenzione è usare l’AI per produrre principi attivi da testare poi in laboratorio e comprenderne l’efficacia.
Glimpses of futures
L’applicazione dell’AI nell’affrontare la resistenza antimicrobica promette di avere un impatto considerevole sullo sviluppo di terapie adeguate.
Attualmente è in corso un grande lavoro sull’applicazione di tecniche di intelligenza artificiale per gli antibiotici del futuro. Questo ha permesso l’apertura di nuovi percorsi di ricerca.
L’adozione di modelli di machine learning e deep leaning permetterà una maggiore conoscenza della resistenza antimicrobica e la messa a punto di opportune soluzioni. È persino possibile prevedere la quantità di antimicrobici nelle risorse idriche [fonte: Sara Iftikhar et al., National Library of Medicine].
C’è poi da considerare l’impatto che avrà l’intelligenza artificiale generativa. Secondo il McKinsey Global Institute la tecnologia basata sulla Generative AI potrebbe generare dai 60 ai 110 miliardi di dollari all’anno in valore economico per l’industria farmaceutica e dei prodotti medici.
Tuttavia, siamo solo agli inizi e vi sono complessità da affrontare nell’applicazione dell’AI alla resistenza antimicrobica: molto altro deve ancora essere scoperto prima di prendere in considerazione l’applicazione clinica e sanitaria a livello estensivo.
È bene lavorare fin d’ora per sviluppare nuove linee di ricerca. Un esempio: un team di scienziati della Texas A&M University ha creato una nuova famiglia di polimeri in grado di annientare i batteri senza indurre resistenza agli antibiotici: anche questo è un passo importante nella lotta alla resistenza antimicrobica.
Che cosa potrà implicare l’impiego dell’intelligenza artificiale per lo studio di nuovi antibiotici e per ridurre la resistenza antimicrobica? Quali possibili futuri si potrebbero delineare? Andiamo allora a valutare i potenziali impatti, considerando opportunità, benefici e rischi secondo la matrice STEPS.
S – SOCIAL: l’utilizzo dell’AI può contribuire alla messa a punto di medicinali personalizzati, rendendo i sistemi di cura più mirati e consentendo di migliorare l’efficacia dei trattamenti, riducendo gli effetti collaterali. Tuttavia, si dovrà garantire che un sistema di cura su misura possa essere possibile a tutti, evitando così diseguaglianze sociali e garantendo un accesso equo ai risultati della ricerca e ai nuovi farmaci, specie nei Paesi più poveri, che soffrono particolarmente gli effetti della AMR. Pur essendo un problema su scala mondiale, la resistenza antimicrobica è strettamente legata alla povertà, alla mancanza di servizi igienico-sanitari, alla scarsa igiene e all’inquinamento, ricorda ancora l’UNEP nel report “Bracing for Superbugs”. Oltre a farmaci mirati, occorrerà presidiare l’abuso di antibiotici, fenomeno diffuso soprattutto nei paesi in via di sviluppo [fonte: Antimicrobial Resistance: A Growing Serious Threat for Global Public Health].
T – TECHNOLOGY: l’impiego dell’intelligenza artificiale, sotto il profilo tecnologico, permette di analizzare grandi quantità di dati in modo più rapido ed efficiente rispetto ai metodi tradizionali. Ciò potrebbe portare a una più veloce identificazione di composti antibiotici potenziali, contribuendo a mantenere il passo con l’evoluzione dei patogeni resistenti. Anche così si rende possibile e sempre più attuabile la medicina di precisione: il ruolo dell’AI a questo proposito è fondamentale. Tuttavia ci sono diverse sfide da affrontare nel futuro per un’applicazione efficace delle tecniche di intelligenza artificiale. Si pensi solo al meccanismo degli antibiotici e dei farmaci, ancora oggi non completamente compreso, soprattutto nel caso di malattie di nuova insorgenza [fonte: Tabish Ali et al.]. Nel prossimo futuro si dovrà lavorare a far sì che la ricerca scientifica in campo medico possa contare su un uso esteso dell’AI e sulla sua maturazione. Se da un lato l’AI aiuta la medicina, la medicina stessa abilita nuove frontiere tecnologiche.
E – ECONOMY: l’uso dell’AI nella ricerca farmaceutica potrebbe ridurre i costi associati allo sviluppo di nuovi antibiotici, permettendo di migliorare l’efficacia dei trattamenti e di ridurre gli effetti collaterali, con importanti implicazioni economiche oltre che sanitarie. Solo nell’UE si stima che le infezioni causate da batteri multiresistenti causino 35mila morti ogni anno e che la resistenza antimicrobica implichi costi per circa 1,5 miliardi di euro in spese sanitarie e perdite di produttività [fonte: European Medicines Agency].
P – POLITICAL: oltre alle opportunità, dovranno essere affrontati anche i rischi etici, sociali e legali legati all’uso dell’AI nella scoperta di antibiotici. Il Parlamento Europeo, a tal proposito, nel 2022 ha pubblicato uno studio intitolato “Artificial intelligence in healthcare. Applications, risks, and ethical and societal impacts”, in cui ha messo a fuoco benefici e fattori critici. Questi ultimi includono preoccupazioni sulla sicurezza dei dati, la trasparenza degli algoritmi, la responsabilità nel processo decisionale e la distribuzione equa dei benefici.
S – SUSTAINABILITY: la ricerca guidata dall’AI potrebbe promuovere lo sviluppo di antibiotici più mirati, riducendo la necessità di utilizzare dosi elevate o trattamenti prolungati. Ciò consentirebbe di minimizzare gli impatti ambientali associati all’uso incontrollato di antibiotici. Prima di tutto, però, occorre pensare che la lotta alla resistenza antimicrobica non può essere affrontata in maniera separata dalla triplice crisi planetaria, costituita dal cambiamento climatico, della perdita di biodiversità, dall’inquinamento e dalla produzione sempre più elevata di rifiuti. Tutti e tre i fattori hanno un’unica matrice, collegata a modelli insostenibili di consumo e di produzione.
