Fra mirakelkur til sårbart punkt i vores sundhedssystem
Læger slår alarm: stadig flere infektioner reagerer ikke længere på antibiotika, mens kunstig intelligens uventet vokser frem som et nyt våben i kampen.
Dengang Alexander Fleming opdagede penicillin i 1928, forandrede det medicinen fra grunden. Lungebetændelse, sårinfektioner, blodforgiftning – sygdomme der tidligere ofte endte fatalt, kunne pludselig behandles. På få årtier blev antibiotika en af hjørnestenene i den moderne medicin.
Netop den succes vender sig nu imod os. Gennem årtiers rundhåndet og ofte unødvendig antibiotikabrug er der opstået et enormt evolutionært pres på bakterierne. De mikroorganismer, der tilfældigvis bar en beskyttende mutation, overlevede behandlingen, formerede sig og videregav deres fordel til næste generation.
Verden over ser læger i stigende grad infektioner, der ikke eller kun vanskeligt reagerer på standardantibiotika. Medicinens værktøjskasse er ved at blive tom.
Verdenssundhedsorganisationen betragter i dag antibiotikaresistens som en af de største trusler mod folkesundheden. Anslået dør omkring 1,1 millioner mennesker allerede hvert år af infektioner, der ikke kan behandles med de tilgængelige midler. Hvis det nuværende mønster fortsætter, kan det tal inden 2050 stige til omkring otte millioner dødsfald om året – mere end alle former for kræft tilsammen forårsager i dag.
Superbakterierne rykker frem, mens nye midler udebliver
I den medicinske litteratur dukker de samme navne op igen og igen som skræmmebilleder på resistens. Neisseria gonorrhoeae, bakterien bag gonorré, kan i mange tilfælde knap nok bekæmpes med de sædvanlige førstelinjsantibiotika. Også Staphylococcus aureus, en bakterie der lever på huden hos millioner af mennesker uden at gøre skade, har nu varianter, der er uimodtagelige over for meticillin og beslægtede midler. Sådanne infektioner kan udvikle sig til alvorlig lungebetændelse, knogleinfektioner eller blodforgiftning.
Dette er blot de mest kendte eksempler. I det skjulte udvikler snesevis af andre sygdomsfremkaldende bakterier sig i samme retning. Bakteriernes tilpasning sker hurtigere end vores evne til at udvikle nye lægemidler og bringe dem på markedet.
Mellem 2017 og 2022 fik blot tolv nye antibiotika godkendelse på verdensplan, og næsten alle er variationer over eksisterende klasser. Bakterierne kender allerede grundstrukturerne, og nogle har nu opbygget forsvarsmekanismer mod disse varianter.
At designe et helt nyt antibakterielt molekyle koster ofte mere end ti år og mange milliarder kroner. Lægemiddelvirksomhederne trækker sig i stigende grad ud. Et antibiotikum skal bruges så sparsomt som muligt for at begrænse resistens, hvilket kraftigt reducerer den potentielle fortjeneste. Hertil kommer streng regulering, dyre kliniske studier og en usikker produktlevetid.
Lægemiddelindustrien har omfavnet den økonomiske logik, men den medicinske virkelighed gnider smertefuldt imod den.
AI som jagthund i en ufattelig stor molekylær labyrint
Forskergrupper forsøger at bryde denne blindgyde op med kunstig intelligens. Et af de mest citerede eksempler kommer fra Massachusetts Institute of Technology (MIT), hvor professor James Collins' team trænede en model til målrettet at søge efter nye antibiotika.
I stedet for at teste stoffer på må og få fik algoritmen først undervisning i et århundredes farmakologisk viden: hvordan kendte antibiotika er opbygget, hvordan de angriber bakterier, hvilke former for toksicitet der er risikable, og hvordan forskellige bakteriearter ser ud på molekylært niveau.
Med den viden kunne modellen lære, hvilke geometriske mønstre i et stof der peger på antibakteriel virkning. Derefter begyndte AI's egentlige styrke at spille ind: hastighed og skala.
- Omkring 45 millioner eksisterende kemiske strukturer blev virtuelt vurderet for deres evne til at dræbe bakterier.
- Lovende kandidater fik små justeringer, hvorefter modellen regnede igen.
- Sådan opstod der omkring 36 millioner nye, syntetiske varianter, der aldrig tidligere var fremstillet i et laboratorium.
Først herefter gik forskerne ind i det virkelige laboratorium. En del af disse digitalt udvalgte stoffer blev syntetiseret og testet på levende bakterier. Inden for den gruppe viste to forbindelser sig at have kraftig virkning mod resistente stammer, med en virkningsmekanisme der tydeligt adskiller sig fra eksisterende antibiotika.
I traditionel lægemiddeludvikling ender utallige projekter efter årelangt arbejde uden én eneste kandidat, der når det prækliniske stadie. To seriøse fund fra en enkelt AI-runde er derfor ikke en fiasko – det er et gennembrud.
Mere end blot nye piller: AI som strategisk partner
AI hjælper ikke kun med at udtænke nye stoffer, men også med at udnytte det, vi allerede har, langt mere intelligent. Systemer som AlphaFold forudsiger den tredimensionale struktur af proteiner, herunder bakteriers. Det gør det muligt meget præcist at se, hvor et lægemiddel skal sætte ind, og hvordan en bakterie bruger mutationer til at undslippe behandling.
Derudover udvikles der modeller, der forudsiger, hvordan resistente bakterier vil udvikle sig, baseret på store mængder patientdata, laboratoriesvar og genetisk information. Sådanne AMR-AI-modeller (antimicrobial resistance-AI) kan advare læger om, hvilke midler der på kort sigt risikerer at miste effektivitet, eller hvor et udbrud af en bestemt resistent stamme er undervejs.
For hospitaler og sundhedsmyndigheder giver det konkrete muligheder:
- hurtigere at erkende, om en infektion sandsynligvis er resistent
- at basere behandlingsvalg på realtidsdata frem for forældede retningslinjer
- at anvende antibiotika mere målrettet og i kortere forløb, så gavnlige bakterier skades mindre
- at opdage regionale udbrud af resistente bakterier på et tidligere tidspunkt
Hvorfor AI ikke er et mirakelkur, men kan udgøre et vendepunkt
Ingen i fagmiljøet forventer, at AI løser resistenskrisen alene. Bakterier fortsætter med at tilpasse sig lynhurtigt, og ethvert nyt antibiotikum sætter på ny selektion i gang. Uden klogere ordinationspraksis, bedre hygiejne på hospitaler, strengere regler for antibiotikabrug i landbruget og øget global datadeling, bliver det ved med at være som at tømme havet med en ske.
Ikke desto mindre markerer brugen af AI et tydeligt vendepunkt. Teknologien kan på få dage gennemgå kemiske biblioteker, som menneskelig forskning ville bruge årtier på. Fejlslag er stadig hverdagskost, men tempoet og omfanget af disse fejlslag er så stort, at de få succeser imellem dem dukker op langt hurtigere.
Desuden forskydes grænsen mellem biologi og datalogi yderligere. Forskere behøver ikke i lige så høj grad at stole på intuition og tilfældighed, men kan lade modeller forudsortere hypoteser ved at genkende mønstre, der forbliver usynlige for mennesker. Det øger chancen for, at fremtidens antibiotika ikke blot er kraftfulde, men også virker målrettet og giver færre bivirkninger.
Hvad det betyder for patienter og sundhedsvæsenet
For den almindelige patient ændrer der sig endnu ikke meget i dag. De fleste AI-udviklede stoffer befinder sig stadig i et tidligt forskningsstadium. Alligevel tegner der sig en fremtid, hvor behandling bliver mere personlig og datadrevet. En læge ville om ikke så længe ved en alvorlig infektion på få sekunder kunne modtage rådgivning fra et AI-system, der tager højde for bakteriestammen, lokale resistenstal og patientens journal.
For sundhedssystemer ligger gevinsten især i tid. Hver måned et eksisterende antibiotikum takket være intelligent brug forbliver brugbart, giver ekstra rum til sikkert at teste og indføre nye midler. AI fungerer dermed ikke kun som spejder efter nye lægemidler, men også som forvalter af det arsenal, vi allerede råder over.
Når genetisk viden kombineres med kliniske data – tænk fieberforløb, blodværdier, tidligere infektioner – opstår der et rigt billede af, hvad der virker i hvilke situationer. Det er præcis her, AI er stærk. Håbet er, at menneskelig indsigt og algoritmisk regnekraft tilsammen kan skabe tilstrækkeligt tempo til at gøre kampen mod superbakterierne en smule mere jævnbyrdig igen.
