Ιός από την τεχνητή νοημοσύνη σε ασθενή: Τι γνωρίζουμε, τι παραμένει άγνωστο και γιατί έχει σημασία

Δεν έχει ακόμη δημοσιευθεί μελέτη αξιολογημένη από ομοτίμους, επομένως οι ισχυρισμοί της εταιρείας δεν έχουν επιβεβαιωθεί. Αυτό είναι το βασικό σημείο επιφύλαξης για μια είδηση που, εφόσον επαληθευτεί, θα ανοίξει νέο κεφάλαιο στην ιατρική: αμερικανική νεοφυής εταιρεία αναφέρει ότι χορηγήθηκε για πρώτη φορά σε άνθρωπο ιός σχεδιασμένος με τεχνητή νοημοσύνη. Ο συγκεκριμένος ιός δεν αποτελεί απειλή για τον άνθρωπο.

Από τη Ρούλα Σκουρογιάννη

Πρόκειται για έναν «κυνηγό βακτηρίων», με στόχο λοιμώξεις στις οποίες τα αντιβιοτικά δεν είναι πλέον αποτελεσματικά. Μπορεί η ιδέα να θυμίζει επιστημονική φαντασία, στηρίζεται όμως σε θεραπευτική μέθοδο γνωστή εδώ και έναν αιώνα, η οποία επανέρχεται σήμερα δυναμικά λόγω της αυξανόμενης μικροβιακής αντοχής.

Η ανακοίνωση της Radical Numerics για τη θεραπεία

Η Radical Numerics, εταιρεία τεχνητής νοημοσύνης που εδρεύει στο Σαν Φρανσίσκο της Καλιφόρνιας, γνωστοποίησε ότι ασθενής με σοβαρή βακτηριακή λοίμωξη έλαβε πειραματική αγωγή με ιούς τους οποίους σχεδίασε το μοντέλο της, Omnii-1. Η ανακοίνωση έγινε στις 20 Οκτωβρίου, μαζί με την παρουσίαση του μοντέλου. Ο Eric Nguyen, συνιδρυτής και διευθύνων σύμβουλος της εταιρείας, δήλωσε ότι οδεύουμε προς μια εποχή κατά την οποία θα μπορούμε να σχεδιάζουμε φάρμακα προσαρμοσμένα στην ακριβή βιολογία κάθε ασθενούς.

Το μοντέλο Omnii-1 δημιουργεί βακτηριοφάγους, γνωστούς και ως φάγους: ιούς που επιτίθενται σε βακτήρια και τα καταστρέφουν, χωρίς να πλήττουν ανθρώπινα κύτταρα. Η συγκεκριμένη θεραπευτική προσέγγιση εφαρμόζεται ήδη πειραματικά από γιατρούς για σοβαρές βακτηριακές λοιμώξεις, ιδίως όταν οι διαθέσιμες εναλλακτικές για τον ασθενή είναι περιορισμένες. Η Radical Numerics ισχυρίζεται πως είναι η πρώτη χρήση σε άνθρωπο βακτηριοφάγων που σχεδιάστηκαν με τεχνητή νοημοσύνη.

Η διαδικασία σχεδιασμού του ιού από το Omnii-1

Το κρίσιμο στοιχείο είναι η μέθοδος που ακολουθήθηκε. Αντί να αναζητήσει στη φύση κάποιον ιό ικανό να εξουδετερώσει τα βακτήρια του ασθενούς, το Omnii-1 τροποποίησε ένα τμήμα ιού, ώστε να αναγνωρίζει και να πλήττει πιο αποτελεσματικά το βακτηριακό στέλεχος που προκάλεσε τη λοίμωξη. Δημοσιεύματα αναφέρουν ότι η δουλειά στηρίχθηκε στον βακτηριοφάγο T7, ο οποίος προσβάλλει το E. coli, ενώ ο ασθενής είχε λοίμωξη από ανθεκτικό E. coli. Η εταιρεία εκτιμά πως μελλοντικά η διαδικασία θα μπορούσε να διαρκεί λίγες μόνο ημέρες.

Η συμβατική φαγοθεραπεία δείχνει καλύτερα τι αλλάζει με αυτή την προσέγγιση. Συνήθως οι γιατροί αναζητούν έναν φυσικό ιό που να μπορεί να πλήξει τα βακτήρια τα οποία προκαλούν τη νόσο. Εξετάζουν δείγμα από τη λοίμωξη του ασθενούς απέναντι σε υπάρχουσες συλλογές φάγων, ώστε να βρουν κατάλληλους υποψήφιους. Η αναζήτηση μπορεί να πάρει χρόνο, κάτι ιδιαίτερα κρίσιμο όταν ο ασθενής βρίσκεται σε σοβαρή κατάσταση. Η Radical Numerics ελπίζει ότι το μοντέλο της θα συντομεύσει αυτή τη διαδικασία, σχεδιάζοντας ιούς ειδικά για τη λοίμωξη κάθε ασθενούς και βοηθώντας ενδεχομένως τους γιατρούς να εντοπίζουν πιο αποτελεσματικές θεραπείες ταχύτερα.

Στοιχεία που έδωσε στη δημοσιότητα η ίδια η εταιρεία αναφέρουν ότι το μοντέλο αξιολογήθηκε σε 37 στελέχη E. coli, τα οποία δεν είχε συναντήσει στην εκπαίδευσή του. Όπως υποστηρίζεται, με δύο μόνο φάγους κάλυψε το 91,4% των επιλέξιμων στελεχών και είχε καλύτερη επίδοση από δύο εξειδικευμένα συστήματα πρόβλεψης. Τα αποτελέσματα αυτά προέρχονται από την εταιρεία και δεν έχουν επαληθευτεί ανεξάρτητα.

Οι έλεγχοι που προηγήθηκαν της χορήγησης

Πριν χορηγηθεί η θεραπεία, η εταιρεία δήλωσε ότι εξέτασε σε βακτήρια του ίδιου του ασθενούς τους ιούς που είχε σχεδιάσει το μοντέλο τεχνητής νοημοσύνης. Σύμφωνα με την περιγραφή της, στις εργαστηριακές δοκιμές το μείγμα των ιών εξάλειψε το δείγμα των βακτηρίων, τα οποία ήταν ανθεκτικά στα αντιβιοτικά. Η αγωγή δόθηκε στο πλαίσιο ανθρωπιστικής ή συμπονετικής χρήσης, με ευθύνη του θεράποντος ιατρού. Το ειδικό αυτό πρόγραμμα επιτρέπει τη χορήγηση πειραματικών θεραπειών όταν οι συμβατικές επιλογές είναι περιορισμένες. Δημοσίευμα αναφέρει, επιπλέον, ότι η λοίμωξη δεν ανταποκρινόταν ούτε στα αντιβιοτικά ούτε στις διαθέσιμες φαγοθεραπείες.

Τα ερωτήματα που παραμένουν ανοιχτά για τη θεραπεία

Το βασικό ερώτημα παραμένει αν η αγωγή είχε αποτέλεσμα. Η εταιρεία δεν έχει δώσει στη δημοσιότητα πληροφορίες για τη διάγνωση του ασθενούς, την πορεία της θεραπείας ή το αν η λοίμωξη αντιμετωπίστηκε με επιτυχία. Ο Eric Nguyen ανέφερε πως στόχος είναι να διαφυλαχθούν τόσο το απόρρητο του ασθενούς όσο και η εμπιστοσύνη των κλινικών συνεργατών, ενώ τα αποτελέσματα σχεδιάζεται να ανακοινωθούν αργότερα. Οι ανεξάρτητοι ειδικοί, ωστόσο, διατηρούν επιφυλάξεις. Ο Michael Baym, μικροβιολόγος στο Πανεπιστήμιο του Χάρβαρντ, είπε στους New York Times ότι μια επιτυχημένη έκβαση θα ήταν εξαιρετική, αλλά η αρχική του αντίδραση είναι η προσοχή. Άλλωστε, η τεχνική έκθεση της ίδιας της εταιρείας επισημαίνει πως τα δεδομένα από έναν ασθενή δεν αρκούν για να αποδειχθεί η ασφάλεια ή η αποτελεσματικότητα της θεραπείας.

Χωρίς δημοσίευση που να έχει περάσει από αξιολόγηση ομοτίμων, δεν έχουν ακόμη επιβεβαιωθεί δύο ακόμη ουσιώδη ζητήματα: ο βαθμός πρωτοτυπίας των ιών που σχεδιάστηκαν και η ακριβής συμβολή της τεχνητής νοημοσύνης. Γι’ αυτό απαιτείται επιφύλαξη. Ένα μεμονωμένο περιστατικό δεν ισοδυναμεί με κλινική μελέτη, ενώ στην ιστορία της ιατρικής υπάρχουν πολλά αρχικά περιστατικά που δεν επαληθεύτηκαν όταν εξετάστηκαν σε μεγαλύτερη κλίμακα.

Η χρήση σχεδιασμένων φάγων σε ασθενείς έχει προηγούμενο

Για να αξιολογηθεί σωστά η είδηση, χρειάζεται να θυμόμαστε ότι ούτε η φαγοθεραπεία αποτελεί νέα ιδέα ούτε ο σχεδιασμός ιών ξεκίνησε τώρα. Στο παρελθόν έχουν χορηγηθεί τροποποιημένοι φάγοι σε ασθενείς· χαρακτηριστικό παράδειγμα είναι το 2019, όταν χρησιμοποιήθηκαν για διασπαρμένη λοίμωξη από ανθεκτικό Mycobacterium abscessus. Η καινοτομία αφορά τον τρόπο με τον οποίο σχεδιάστηκε ο ιός: με γενετικό μοντέλο εκπαιδευμένο σε βιολογικά δεδομένα, όπως τα μεγάλα γλωσσικά μοντέλα εκπαιδεύονται με κείμενα. Η εταιρεία περιγράφει το Omnii-1 ως «γλωσσικό μοντέλο γονιδιωμάτων», το οποίο μετατρέπει 28 κατηγορίες βιολογικών δεδομένων, μεταξύ των οποίων DNA, RNA και πρωτεΐνες, σε ενιαία αναπαράσταση που μπορεί να «μάθει» η τεχνητή νοημοσύνη.

Η έκταση του προβλήματος της αντοχής στα αντιβιοτικά

Η αναζήτηση άλλων λύσεων από την επιστημονική κοινότητα έχει έναν βασικό λόγο: η αποτελεσματικότητα των αντιβιοτικών μειώνεται. Η μεγαλύτερη μέχρι σήμερα ανάλυση, η οποία δημοσιεύτηκε στο The Lancet από το πρόγραμμα GRAM, αποδίδει άμεσα στη βακτηριακή αντοχή στα αντιβιοτικά 1,14 εκατομμύρια θανάτους το 2021. Για το 2050, οι ετήσιοι θάνατοι προβλέπεται να ανέρχονται σε 1,91 εκατομμύρια. Για την περίοδο 2025–2050 υπολογίζονται συνολικά 39 εκατομμύρια θάνατοι που θα οφείλονται άμεσα στην αντοχή, ενώ οι θάνατοι που συνδέονται με αυτήν εκτιμάται ότι θα φτάσουν τα 169 εκατομμύρια. Ειδικότερα, οι θάνατοι από ανθεκτικό στη μεθικιλλίνη χρυσίζοντα σταφυλόκοκκο (MRSA) αυξήθηκαν από 57.200 το 1990 σε 130.000 το 2021, δηλαδή υπερδιπλασιάστηκαν. Αύξηση καταγράφηκε επίσης στους θανάτους από βακτήρια ανθεκτικά στις καρβαπενέμες, από 127.000 σε 216.000. Ωστόσο, το ίδιο πρόγραμμα υπογραμμίζει ότι η πορεία μπορεί να αλλάξει: καλύτερη φροντίδα για τις λοιμώξεις και ευρύτερη πρόσβαση στα αντιβιοτικά θα μπορούσαν να αποτρέψουν 92 εκατομμύρια θανάτους έως το 2050. Μέσα σε αυτό το πλαίσιο, κάθε καινούργια προσέγγιση, από την ανάπτυξη αντιβιοτικών μέχρι τη φαγοθεραπεία, αξίζει σοβαρή διερεύνηση.

Το πείραμα του Στάνφορντ και οι δυνατότητες της τεχνητής νοημοσύνης στον σχεδιασμό ιών

Η εξέλιξη καταγράφεται καθώς εντείνεται το ενδιαφέρον για την αξιοποίηση της τεχνητής νοημοσύνης στην επιτάχυνση της ιατρικής έρευνας, ενώ παράλληλα εκφράζονται ανησυχίες για πιθανούς κινδύνους από κακόβουλη χρήση της. Η Radical Numerics έχει ήδη σχετική προϊστορία: την ίδρυσαν μέλη της ομάδας που ανέπτυξε τα μοντέλα Evo και Evo 2. Με αυτά σχεδιάστηκαν τα πρώτα γονιδιώματα βακτηριοφάγων που δημιουργήθηκαν εξ ολοκλήρου με τεχνητή νοημοσύνη.

Το πείραμα του Στάνφορντ αποτελεί χαρακτηριστικό παράδειγμα αυτής της προσέγγισης. Ερευνητές του Πανεπιστημίου Στάνφορντ και του Arc Institute γνωστοποίησαν ότι σχεδίασαν με τεχνητή νοημοσύνη νέους ιούς που, όπως διαπιστώθηκε σε εργαστηριακές δοκιμές, μπορούν να καταστρέφουν βακτήρια E. coli. Από σχεδόν 300 γονιδιώματα που συντέθηκαν και ελέγχθηκαν, μόλις 16 οδήγησαν σε λειτουργικούς ιούς. Η διαδικασία ήταν απαιτητική: τα μοντέλα δημιούργησαν περίπου 700.000 υποψήφια γονιδιώματα, 302 επιλέχθηκαν για σύνθεση, 285 κατασκευάστηκαν επιτυχώς και τελικά 16 εξελίχθηκαν σε βιώσιμους φάγους, ποσοστό επιτυχίας 5,6%. Η έρευνα παρουσιάστηκε αρχικά ως προδημοσίευση τον Σεπτέμβριο του 2025 και δημοσιεύτηκε στις 6 Αυγούστου 2026 στο επιστημονικό περιοδικό Science. Ιδιαίτερο ενδιαφέρον για την αντιμετώπιση της αντοχής στα αντιβιοτικά είχε το εύρημα ότι ένα «κοκτέιλ» των 16 σχεδιασμένων φάγων εξουδετέρωσε την αντοχή σε στελέχη E. coli, σε αντίθεση με ανάλογο μείγμα φυσικών φάγων. Τα πειράματα, ωστόσο, πραγματοποιήθηκαν σε εργαστήριο και όχι σε ασθενείς.

Η πιθανότητα κακόβουλης χρήσης και οι κίνδυνοι βιοασφάλειας

Θεωρητικά, η τεχνολογία που επιτρέπει τον σχεδιασμό ενός ιού με θεραπευτικό ρόλο μπορεί να αξιοποιηθεί και κακόβουλα. Ερευνητές έχουν επισημάνει ότι τα συστήματα τεχνητής νοημοσύνης που σχεδιάζουν νέους ιούς δημιουργούν σοβαρούς προβληματισμούς βιοασφάλειας, κυρίως αν παρόμοιες μέθοδοι προσαρμοστούν για την ανάπτυξη ιών που προσβάλλουν ανθρώπους. Η ομάδα του Στάνφορντ επέλεξε σκόπιμα να εργαστεί με ιούς που στοχεύουν βακτήρια και όχι ανθρώπους ή ζώα· έχει επίσης αναφερθεί ότι αφαίρεσε από τα δεδομένα εκπαίδευσης του μοντέλου γνωστές αλληλουχίες ανθρώπινων ιών. Παράλληλα, καθώς η τεχνητή νοημοσύνη στη βιολογία προχωρά γρήγορα, επιστήμονες ζητούν αυστηρότερη προστασία και εποπτεία. Σε σχετικό σχόλιο, ερευνητές του Κέντρου Υγείας και Ασφάλειας του Johns Hopkins ανέφεραν ότι η σύνθεση ιικών γονιδιωμάτων με γενετική τεχνητή νοημοσύνη είναι ήδη εφικτή, αλλά οι κανόνες διακυβέρνησης που θα διασφαλίσουν την ασφαλή χρήση της δεν έχουν αναπτυχθεί στον ίδιο βαθμό. Η Radical Numerics αναπτύσσει επίσης το Omnii για εφαρμογές βιοάμυνας και τονίζει ότι οι ίδιες τεχνολογικές εξελίξεις που διευκολύνουν τον σχεδιασμό φαρμάκων θα μπορούσαν να αξιοποιηθούν για την παραγωγή παθογόνων που αποφεύγουν τις υφιστάμενες μεθόδους ανίχνευσης.

Πώς μπορεί να επηρεάσει τους ασθενείς η νέα προσέγγιση

Η μέθοδος ενδέχεται να προσθέσει μια θεραπευτική δυνατότητα για λοιμώξεις που είναι δύσκολο να αντιμετωπιστούν. Ωστόσο, μέχρι στιγμής πρόκειται για ένα μεμονωμένο και πειραματικό περιστατικό, του οποίου η έκβαση δεν είναι γνωστή και χρειάζεται επιστημονική επιβεβαίωση. Οι φάγοι που σχεδιάζονται με τεχνητή νοημοσύνη δεν αποτελούν διαθέσιμη θεραπεία, μέχρι να δημοσιευτούν αποτελέσματα και να πραγματοποιηθούν κλινικές δοκιμές σε επαρκή αριθμό ασθενών. Για τους πολίτες, η πρακτική σύσταση παραμένει η ίδια: αντιβιοτικά πρέπει να λαμβάνονται μόνο με συνταγή γιατρού και η αγωγή να ακολουθείται πλήρως, καθώς η κατάχρηση των αντιβιοτικών αποτελεί βασικό παράγοντα που ενισχύει την αντοχή των μικροβίων.