Fra vidundermiddel til akilleshæl: antibiotika mister sin kraft
Læger har advaret i årevis: vi er på vej ind i en æra, hvor et simpelt sår eller en lungebetændelse igen kan blive livstruende. Nu hvor traditionelle antibiotika fejler stadig oftere, retter forskere deres håb mod AI-systemer, der med lynets hast kan designe nye lægemidler — stoffer bakterierne endnu ikke har et svar på.
Da Alexander Fleming opdagede penicillin i 1928, gav han medicinen et våben, der tømte hele sygehusafdelinger for patienter. Infektioner, der tidligere kostede livet, var pludselig behandlelige. I årtier lød opskriften simpelt: tag pillen, bakterien forsvinder.
Men netop den succes er vendt imod os. Antibiotika blev for ofte ordineret for hurtigt, for længe eller til de forkerte infektioner. I landbruget blev tonvis af midler blandet i dyrefoder — primært for at fremskynde vækst eller forebygge sygdom. Det gav bakterierne en permanent træning i at tilpasse sig.
Kernen i problemet: hver eneste antibiotikakur giver bakterierne en mulighed for at vende tilbage klogere og stærkere.
Bakterier deler sig ekstremt hurtigt. Indimellem opstår en mutation, der tilfældigvis beskytter mod et bestemt middel. De resistente bakterier overlever, formerer sig og spreder sig videre. Resultatet er en voksende gruppe "superbakterier", der overlever vores standardbehandlinger.
En stille pandemi: millioner dør af resistente infektioner
Internationale sundhedsmyndigheder placerer nu antibiotikaresistens i samme risikokategori som pandemier og klimaforandringer. Hvert år dør anslået 1,1 million mennesker direkte af infektioner, der ikke længere reagerer på tilgængelige midler. Medregner man alle indirekte konsekvenser, stiger tallet betydeligt.
Griber ingen ind, kan dødstallet nå op på omkring otte millioner om året inden 2050. Det er flere dødsfald end alle former for kræft tilsammen forårsager i dag. Særligt sårbare patienter rammes hårdest: nyfødte, kræftpatienter, mennesker efter store operationer og personer med svækket immunforsvar.
Kendte problemkiemer: gonorré og MRSA
To bakterier dukker igen og igen op som skræmmebilleder i medicinske rapporter:
- Neisseria gonorrhoeae, der forårsager gonorré, viser modstand mod næsten alle midler, der tidligere blev betragtet som førstevalg.
- Staphylococcus aureus, der ofte lever ufarligt på huden, har varianter, der er resistente over for methicillin og beslægtede midler. Disse stammer kendes som MRSA og kan forårsage alvorlig blodforgiftning eller lungebetændelse.
Dette er ikke undtagelser længere. Bag disse kendte navne gemmer sig en lang liste af andre sygdomsfremkaldende bakterier, der bevæger sig i samme retning. Mens bakterierne tilpasser sig med lynets hast, går udviklingen af egentlige nye antibiotika i stå.
Medicinalindustrien melder pas: for lidt profit, for stor risiko
Mellem 2017 og 2022 fik kun tolv nye antibiotika godkendelse på verdensplan. De fleste er varianter af eksisterende midler — ikke helt nye molekyler. Bakterierne kender ofte grundstrukturen og finder derfor hurtigere veje til at forsvare sig.
At udvikle et fuldstændig nyt antibiotikum koster let ti år og milliarder af kroner. Det støder mod en bitter virkelighed: hvis et middel virker godt, ønsker lægerne præcis at bruge det så sparsomt som muligt for at udskyde resistens. For medicinalvirksomheder betyder det en dyr investering med begrænset omsætning, strenge regler og en usikker levetid.
Mens andre lægemidler tages livslangt, ønsker man helst at ordinere et nyt antibiotikum så sjældent som muligt. Det gør det kommercielt uattraktivt.
Mange virksomheder retter derfor opmærksomheden mod mere profitable lægemidler, som kræftmidler eller behandlinger for kroniske sygdomme. Videnskaben løber samtidig ind i en mur: med klassiske metoder tager det simpelthen for lang tid at finde troværdige kandidater.
AI som jagthund i et grænseløst kemisk bibliotek
Forskere — blandt andre ved Massachusetts Institute of Technology — forsøger at bryde dette mønster ved at bruge AI som en accelerator. Tanken er: hvis bakterier udvikler sig hurtigt, må vi bygge en søgemaskine, der kan gennemgå millioner af mulige molekyler lige så hurtigt — eller hurtigere.
En AI-model fodres først med et århundredes farmakologisk viden: strukturerne på eksisterende antibiotika, deres virkningsmekanismer, bakteriernes form og egenskaber samt information om giftighed over for menneskeligt væv. Systemet lærer dermed, hvilke kemiske egenskaber der ofte hænger sammen med kraftig antibakteriel effekt.
Dernæst får modellen adgang til enorme databaser med tænkelige molekyler. I stedet for at syntetisere hvert eneste molekyle i laboratoriet og teste det i månedsvis, beregner AI'en sandsynligheden for, at hvert molekyle virker mod en bestemt bakterie — og om det lader menneskeligt væv være i fred.
Millioner af ideer, en håndfuld seriøse kandidater
I én sådan undersøgelse lod holdet AI'en vurdere omkring 45 millioner kemiske strukturer. Ikke i reagensglas, men via matematisk simulation af samspillet mellem molekyle og bakterie. På den baggrund udvalgte systemet en langt mindre gruppe lovende kandidater.
Ved derefter gradvist at justere de mest lovende strukturer genererede algoritmen yderligere 36 millioner varianter, der formemæssigt lignede succesfulde molekyler — men var anderledes nok til måske at kunne snige sig forbi resistente bakteriers forsvarslinjer.
Fra dette digitale vildnis fremkom til sidst to molekyler, der i rigtige laboratorietest viste sig effektive mod resistente bakteriestammer.
For lægfolk lyder to ud af 36 millioner skuffende — men i lægemiddeludvikling betragtes det som et gennembrud. Mange klassiske udviklingsforløb leverer efter årelangt arbejde ikke én eneste kandidat, der overlever den prækliniske fase. Alene det faktum, at AI på kort tid kan udpege troværdige muligheder, peger på et teknisk loft, vi ikke kunne gennembryde med manuel indsats.
Mere end et legetøj: hvad AI konkret kan bidrage med
AI hjælper ikke kun med at udtænke nye molekyler. Andre systemer, som AlphaFold, forudsiger den tredimensionelle struktur af proteiner. Det giver forskerne bedre indblik i sårbare punkter i bakterielle proteiner, som lægemidler kan binde sig til.
Der findes også modeller, der forudsiger, hvordan sygdomsfremkaldende bakterier biologisk udvikler sig — for eksempel hvilke mutationer der sandsynligvis dukker op som de næste. Med den viden kan videnskabsfolk planlægge fremad: vælge mål, som bakterierne vanskeligere kan tilpasse sig, eller designe kombinationer af midler, der åbner flere angrebslinjer på én gang.
| Anvendelse af AI | Konkret gevinst |
|---|---|
| Screening af millioner af molekyler | Reducerer årelangt laboratoriearbejde til dage eller uger |
| Forudsigelse af proteinstrukturer | Synliggør nye angrebspunkter for lægemidler |
| Forudsigelse af resistensmønstre | Hjælper læger med at vælge det mest egnede middel |
| Design af kombinationsterapier | Mindsker chancen for, at bakterier finder én simpel udvej |
Derfor er AI alene ikke nok
På trods af de lovende resultater er virkeligheden fortsat komplex. Et digitalt fundet molekyle skal stadig igennem alle klassiske trin: syntese, dyreforsøg, toksicitetsstudier, kliniske forsøg på mennesker, produktion og godkendelse. Den proces kræver tid, penge og strenge sikkerhedskontroller.
Derudover er ingen teknologi immun over for misbrug. Den samme viden, der hjælper med at bygge nye antibiotika, kan i teorien også bruges til at gøre bakterier farligere. Det kræver stramme etiske rammer, internationale aftaler og tilsyn med følsomme forskningsdata.
Imens ændrer intet sig ved grundreglen: jo oftere og jo mere upræcist vi bruger antibiotika, desto hurtigere vender resistensen tilbage — også over for nye midler. AI kan accelerere kapløbet, men kan ikke blive ved med at vinde, hvis vi ikke ændrer vores omgang med lægemidler.
Hvad betyder det for patienter og sundhedspraksis?
Den der i dag modtager en antibiotikakur, mærker endnu ikke meget direkte til denne højteknologiske udvikling. Alligevel siver indflydelsen langsomt ind i sundhedsvæsenet. Sygehuse bruger allerede systemer, der på baggrund af patientdata og lokale resistenstal anbefaler, hvilket middel der har den største chance for at virke.
I fremtiden kan AI hjælpe med at fastlægge den rigtige dosis og de rette kombinationer til den enkelte patient — så en kur er præcis stærk nok og ikke varer længere end nødvendigt. Det begrænser unødigt pres på bakterierne og mindsker chancen for, at de tilpasser sig.
For den enkelte borger forbliver enkel forebyggelse overraskende virkningsfuld. God håndhygiejne, vaccinationer, fornuftig håndtering af sår og god mundhygiejne reducerer risikoen for bakterielle infektioner — og dermed behovet for antibiotika. Færre kure betyder færre muligheder for bakterierne for at blive resistente.
Den der får ordineret antibiotika, gør klogt i at gennemføre kuren som aftalt, ikke gemme rester til "en anden gang" og aldrig dele midlerne med andre. Den menneskelige adfærd forbliver — på trods af al AI i baggrunden — et af de mest direkte våben mod superbakteriernes fremmarch.
