Eppure, considerando il rapido aumento della resistenza ai farmaci di molti agenti patogeni, ce n’è un disperato bisogno. Nel giro di poco tempo graffi e ferite potrebbero diventare davvero pericolosi. E invece negli ultimi tempi sul mercato sono comparse solo alcune varianti di vecchi antibiotici.

Oggi però la rivoluzione dell’intelligenza artificiale offre nuove speranze. In uno studio pubblicato sulla rivista Cell, un’équipe di scienziati del Massachusetts institute of technology e dell’università di Harvard ha usato il cosiddetto apprendimento profondo (deep learning) per cercare di scoprire nuovi antibiotici.

I metodi tradizionali, che cercano nelle piante e nel suolo, non funzionano più, e il problema è aggravato da ostacoli sociali ed economici. Gli scienziati hanno quindi cominciato a setacciare il dna dei batteri in cerca di geni che producano antibiotici. Altri li cercano in luoghi esotici come il naso umano. I farmaci scoperti con sistemi non convenzionali hanno però difficoltà ad arrivare sul mercato. Quelli efficaci in provetta potrebbero non funzionare nel nostro corpo, perché non sono assorbiti bene o hanno effetti collaterali. Inoltre, è difficile produrli in grandi quantità.

Ed è qui che entra in gioco l’apprendimento profondo. Gli algoritmi imitano il funzionamento dei neuroni nel nostro cervello cercando strutture ricorrenti nei dati. Un singolo neurone artificiale è in grado d’individuare strutture semplici come linee o cerchi, ma migliaia di neuroni artificiali possono svolgere compiti complessi, come riconoscere gatti in un video o scovare tumori nelle biopsie. Questi sviluppi hanno spinto i ricercatori a usare l’intelligenza artificiale per cercare nuovi farmaci. L’équipe statunitense ha optato per un nuovo tipo di apprendimento profondo chiamato graph neural networks. Nel 2010, l’età della pietra dell’intelligenza artificiale, i modelli per scoprire i farmaci erano basati sulle descrizioni testuali delle sostanze chimiche (un po’ come descrivere un volto umano usando le espressioni “occhi scuri” e “naso lungo”). I descrittori testuali sono utili, ma non bastano. Il nuovo metodo descrive le sostanze chimiche come una rete di atomi, fornendo all’algoritmo un quadro più completo.

Da solo, però, l’apprendimento profondo non è in grado di scoprire antibiotici: va abbinato a una profonda conoscenza biologica delle infezioni. Così, dopo aver addestrato l’algoritmo fornendo esempi di farmaci più o meno efficaci, l’équipe gli ha chiesto di trovare antibiotici potenzialmente efficaci e sicuri in milioni di sostanze chimiche.

A differenza di noi umani l’intelligenza artificiale non ha pregiudizi, soprattutto sull’aspetto che dovrebbe avere un antibiotico. Dalla ricerca è quindi emersa una miniera d’oro di potenziali candidati, molto diversi da quelli esistenti. Uno dei più promettenti è l’Halicin, allo studio come antidiabetico. A sorpresa il farmaco è risultato efficace non solo contro l’Escherichia coli, il batterio con cui l’algoritmo era stato addestrato, ma anche contro agenti patogeni più aggressivi, tra cui quelli responsabili della tubercolosi e delle infiammazioni del colon, e soprattutto contro l’Acinetobacter baumannii, il batterio resistente ai farmaci in vetta alla classifica degli agenti patogeni letali stilata dai Centri statunitensi per la prevenzione e il controllo delle malattie.

Purtroppo, essendo così potente, l’Halicin potrebbe anche distruggere i batteri innocui presenti nel nostro corpo e avere effetti negativi sul metabolismo, forse trascurabili di fronte alla prospettiva di salvare vite umane. Tuttavia se anche superasse tutti gli ostacoli e arrivasse sul mercato, l’Halicin dovrà battere un nemico inesorabile: la resistenza. Nel novecento abbiamo attaccato con moltissimi farmaci gli agenti patogeni, che con il tempo hanno sviluppato resistenza. Probabilmente prima o poi c’imbatteremo in un’infezione resistente all’Halicin, ma la speranza è che grazie all’apprendimento profondo saremo in grado di reagire rapidamente con un nuovo antibiotico. ◆ sdf