事实证明，人工智能 (AI) 的使用将改变医学领域的游戏规则，目前该技术正在帮助科学家开发出 60 年来首个新型抗生素。

人工智能（AI）技术的应用在医学领域取得了重大突破，帮助科学家发现了针对抗药性金黄色葡萄球菌（MRSA）的新型抗生素。这一发现有望成为抗击抗生素耐药性斗争的转折点。

麻省理工学院（MIT）医学工程与科学教授 James Collins 表示：「我们的洞察是，我们可以看到模型如何通过学习来预测某些分子作为有效抗生素的潜力。」

「我们的工作提供了一个框架，从化学结构的角度来看，它既高效节约时间和资源，又具有机械洞察力，这是我们迄今为止没有的。」

这项研究的结果已在《自然》杂志上发表，由 21 名研究人员共同撰写。

研究旨在「打开黑匣子」

该项目团队使用深度学习模型预测新化合物的活性和毒性。

深度学习涉及使用人工神经网络自动从数据中学习和表示特征，无需显式编程。

这种方法越来越多地应用于药物发现，以加速潜在药物候选者的识别，预测它们的属性，并优化药物开发过程。

在这个案例中，研究人员关注了甲氧西林耐药性金黄色葡萄球菌（MRSA）。

MRSA 感染可以从轻微的皮肤感染到更严重的可能危及生命的状况，如肺炎和血液感染。

据欧洲疾病预防控制中心（ECDC）统计，欧盟每年发生近 15 万例 MRSA 感染，而抗微生物药物耐药性感染每年导致欧盟近 3.5 万人死亡。

麻省理工学院的研究团队训练了一个扩大的深度学习模型，使用扩展数据集。

为创建训练数据，大约 3.9 万种化合物被评估其对 MRSA 的抗生素活性。随后，这些结果数据和有关化合物化学结构的详细信息被输入模型。

MIT 和哈佛的博士后研究员、该研究的主要作者之一 Felix Wong 说：「我们在这项研究中的目标是打开黑匣子。这些模型由大量模拟神经连接的计算组成，而且没有人真正知道底层发生了什么。」

发现新化合物

为了精选潜在药物，研究人员采用了三个额外的深度学习模型。这些模型被训练用于评估化合物对三种不同类型人类细胞的毒性。

通过将这些毒性预测与先前确定的抗菌活性结合起来，研究人员确定了能够有效对抗微生物且对人体伤害最小的化合物。

使用这套模型，大约 1200 万种现有化合物被筛选。

模型从五个不同的类别中识别出了具有预测活性的化合物，这些类别基于分子内特定化学亚结构。

随后，研究人员获得了大约 280 种这些化合物，并在实验室环境中对 MRSA 进行了测试。这种方法使他们发现了两种有前景的抗生素候选物，它们属于同一类别。

在两种小鼠模型的实验中 —— 一种是 MRSA 皮肤感染，另一种是 MRSA 系统性感染 —— 这些化合物分别将 MRSA 数量减少了 10 倍。