Con antibiotico-resistenza (AMR, Antimicrobial resistance) si intende la capacità di un batterio di resistere all’azione di uno o più farmaci antibiotici ed è una grave minaccia globale per la salute pubblica, provocata dall’uso improprio ed eccessivo di questa classe di farmaci.
La crisi richiede soluzioni innovative per sviluppare nuove terapie e ottimizzare l’uso di quelle esistenti, nonostante i tempi lunghi e gli alti costi della ricerca.
L’intelligenza artificiale (IA) offre strumenti promettenti, come l’ottimizzazione dei trattamenti mediante sistemi di supporto clinico, l’analisi dei dati genomici per identificare marcatori di resistenza e la scoperta di nuovi composti antimicrobici in tempi molto brevi. Tuttavia, persistono sfide legate alla qualità dei dati, all’interpretabilità dei modelli e all’applicazione pratica delle soluzioni.
In cosa consiste il fenomeno dell’antibiotico-resistenza e come fare per contrastarlo?
La resistenza antimicrobica è un meccanismo evoluzionistico adottato dai batteri per sopravvivere e replicarsi attraverso modifiche al proprio patrimonio genetico. Tuttavia, questo fenomeno è stato accelerato da un uso spropositato e scorretto dei farmaci antibiotici in medicina, veterinaria e agricoltura, compromettendo l’efficacia di trattamenti che un tempo erano risolutivi.
Inoltre, la diminuzione dell’efficacia di molti antibiotici non è compensata dall’introduzione di nuovi antibiotici, poiché dalla scoperta di nuove molecole fino al loro utilizzo possono trascorrere molti anni, aumentando così i tassi di morbilità e mortalità.
È stato stimato che nel 2019, a livello globale, l’AMR è stata responsabile di circa 4,95 milioni di decessi, di cui 1,27 milioni direttamente attribuiti a infezioni batteriche resistenti. Si stima che la resistenza antimicrobica causerà 10 milioni di decessi ogni anno entro il 2050.
Le conseguenze dell’AMR includono infatti ricoveri ospedalieri più lunghi, trattamenti più costosi e un aumento del rischio di infezioni ospedaliere. Malattie precedentemente gestibili, come polmoniti e infezioni urinarie, ora richiedono terapie complesse e costose, mentre interventi cruciali come chirurgia e trapianti sono sempre più a rischio.
L’Organizzazione Mondiale della Sanità (OMS) ha identificato un elenco di “patogeni prioritari” resistenti agli antibiotici per guidare i ricercatori nello sviluppo di nuovi farmaci mirati. Tuttavia, il progresso nella creazione di antibiotici è rallentato in modo significativo: secondo le analisi annuali dell’OMS, nel 2021 solo 27 nuovi antibiotici erano in fase di sviluppo clinico contro i patogeni prioritari e di questi solo 6 soddisfano almeno uno dei criteri dell’OMS per l’innovazione e in grado di contrastare l’antibiotico resistenza.
Questo declino ha lasciato gli ospedali con opzioni sempre più limitate per trattare le infezioni batteriche resistenti. La crisi richiede un’urgente accelerazione nella ricerca e innovazione per fronteggiare le crescenti minacce alla salute pubblica globale.
L’uso dell’intelligenza artificiale per la scoperta di nuovi antibiotici
Lo sviluppo di nuovi antibiotici è un processo complesso e dispendioso, che prevede la sintesi di migliaia di composti chimici, screening preliminari e test di tossicità per identificare pochi candidati promettenti. Tuttavia, questo approccio tradizionale si è rivelato inadeguato per contrastare il rapido aumento della resistenza agli antibiotici, come evidenziato dai rapporti dell’OMS.
Le mutazioni genetiche rappresentano un fattore chiave nello sviluppo della resistenza batterica, consentendo ai microrganismi di adattarsi agli antibiotici attraverso modifiche nei geni bersaglio, alterazioni nei meccanismi di penetrazione e strategie di efflusso o inattivazione. La plasticità del genoma batterico offre molteplici percorsi evolutivi, aumentando la complessità della sfida.
In questo contesto, le tecnologie emergenti, in particolare l’intelligenza artificiale, stanno rivoluzionando il panorama della ricerca medica. Algoritmi avanzati di apprendimento automatico possono analizzare enormi volumi di dati chimici e biologici, identificando nuovi bersagli terapeutici e progettando antibiotici capaci di superare i meccanismi di resistenza. Modelli computazionali permettono di simulare modifiche strutturali degli antibiotici esistenti per migliorarne l’efficacia e la capacità di aggirare le difese batteriche. Inoltre, l’IA sfrutta i crescenti dati genomici e trascrizionali per individuare mutazioni critiche e sviluppare terapie più mirate.
Un esempio delle recenti applicazioni dell’intelligenza artificiale per la scoperta di nuovi antibiotici è senz’altro la scoperta di un farmaco in grado di inibire la crescita dell’Acinetobacter baumanii. Questo batterio resistente ai carbapenemi, nel 2018 è stato classificato dall’OMS come priorità numero uno per la ricerca e lo sviluppo di nuovi antibiotici, poiché la resistenza ai carbapenemi (una classe di antibiotici che agisce interferendo nella sintesi della parete batterica) è solitamente associata a un’ampia gamma di resistenza ad altre classi di antibiotici.
Oltre ad aver sviluppato una resistenza multifarmaco, l’A. baumanii è in grado di sopravvivere a lungo sulle superfici e sui dispositivi medici, come i ventilatori nelle unità di terapia intensiva, grazie alla sua abilità nel formare biofilm. Il batterio è il principale responsabile di un numero ingente di infezioni ospedaliere, che possono includere polmonite anche associata all’uso di ventilatori, meningite, infezioni del tratto urinario e gastrointestinali.
Le ricercatrici e i ricercatori del MIT e della Manchester University nel 2023 hanno identificato il nuovo farmaco scandagliando un set di dati di circa 7000 composti farmacologici tramite un algoritmo di apprendimento automatico, opportunamente addestrato per riconoscere il giusto composto che possa inibire l’attività di A. baumanii. Il tutto è avvenuto in circa due ore, producendo centinaia di risultati principali. Di questi, sono stati selezionati solo alcuni composti per i test di laboratorio, prediligendo quelli con caratteristiche chimiche differenti dagli antibiotici attualmente esistenti. Tra tutti, uno si è dimostrato molto potente e in grado di agire selettivamente, caratteristica auspicabile soprattutto nel caso si ricerchi un antibiotico. Al farmaco è stato dato il nome di abaucina.
Un altro esempio di come l’intelligenza artificiale possa aiutare a eradicare il fenomeno dell’antibiotico resistenza è dato da uno studio delle ricercatrici e dei ricercatori dell’Università della Pennsylvania pubblicato sulla rivista Cell. Il team di ricerca ha utilizzato un modello di apprendimento automatico in grado di setacciare un vasto database contenente migliaia di genomi batterici appartenenti a diversi habitat in tutto il pianeta. Delle molecole antimicrobiche scoperte, mai descritte precedentemente, circa un centinaio hanno dato risultati promettenti nei test preclinici.
Vantaggi e sfide dell’utilizzo dell’IA
Come abbiamo visto, l’intelligenza artificiale rappresenta uno strumento innovativo e promettente nella lotta contro la resistenza antimicrobica, con applicazioni nella diagnostica avanzata, nella scoperta di nuovi farmaci e nella sorveglianza e salute pubblica.
Grazie ai modelli di apprendimento automatico, l’IA accelera l’identificazione dei marcatori di resistenza, ottimizzando la ricerca di trattamenti efficaci. Inoltre, gli algoritmi avanzati possono analizzare ampie librerie chimiche per identificare potenziali composti batterici, riducendo tempi e costi per lo sviluppo di nuovi farmaci.
I sistemi di supporto decisionale basati sull’IA guidano i medici nella scelta di terapie mirate, minimizzando l’uso improprio degli antibiotici. L’IA ottimizza anche la somministrazione dei farmaci, migliorando dosaggi e monitoraggio in tempo reale per incrementare l’efficacia terapeutica.
Tuttavia, l’implementazione dell’intelligenza artificiale affronta sfide significative, come la necessità di dati di alta qualità, ben standardizzati e rappresentativi, essenziali per garantire modelli affidabili.
La trasparenza degli algoritmi, spesso descritti come “scatole nere” , rendono difficile alle ricercatrici e ai ricercatori capire come vengono prese le decisioni. Questa dubbia trasparenza può ridurre la fiducia nei sistemi di intelligenza artificiale e ostacolarne l’adozione nella pratica clinica.
Inoltre, in contesti con risorse economiche limitate, l’implementazione delle tecnologie di intelligenza artificiale nei sistemi sanitari può essere compromessa. Anche gli aspetti normativi e legali richiedono linee guida chiare per assicurare sicurezza, efficacia e protezione della privacy.
Nonostante queste sfide, l’integrazione dell’IA offre opportunità significative per affrontare la crescente minaccia dell’AMR, a patto di promuovere investimenti mirati, collaborazioni interdisciplinari e una governance etica e responsabile.
