پژوهشگران یک شرکت هوش مصنوعی آمریکایی اعلام کرده‌اند ویروس‌هایی را که با کمک هوش مصنوعی طراحی شده‌اند، برای مقابله با عفونت مقاوم به آنتی‌بیوتیک به یک بیمار انسانی داده‌اند. این اتفاق می‌تواند نقطه عطفی در پزشکی شخصی‌سازی‌شده باشد؛ اما یک پرسش اساسی همچنان بی‌پاسخ مانده است: آیا این درمان واقعاً توانسته عفونت بیمار را کنترل کند؟ شرکت Radical Numerics تاکنون نتیجه بالینی درمان را منتشر نکرده است.
برخلاف تصور رایج از ویروس‌های خطرناک، عامل مورد استفاده در این روش فاژ نام دارد؛ ویروسی که باکتری‌ها را هدف قرار می‌دهد، نه اینکه برای حمله به سلول‌های انسانی طراحی شده باشد. فاژها می‌توانند به باکتری مشخصی متصل شوند، درون آن تکثیر شوند و در نهایت باعث از بین رفتن سلول باکتریایی شوند. همین ویژگی باعث شده است دانشمندان سال‌ها درباره استفاده از آن‌ها برای مقابله با عفونت‌هایی تحقیق کنند که به داروهای معمول پاسخ نمی‌دهند.
شرکت Radical Numerics از مدل هوش مصنوعی خود با نام Omnii-1 برای شناسایی و طراحی فاژهای مناسب استفاده کرده است. این مدل با بهره‌گیری از داده‌های ژنتیکی و اطلاعات مربوط به تعامل فاژها و باکتری‌ها، نامزدهایی را پیشنهاد می‌کند که سپس باید در آزمایشگاه بررسی شوند. نکته مهم این است که هوش مصنوعی صرفاً یک توالی ژنتیکی تولید نمی‌کند؛ طراحی باید به ویروسی زنده و فعال تبدیل شود و توانایی هدف‌گرفتن باکتری موردنظر را نشان دهد.
بر اساس گزارش شرکت، ترکیبی از فاژهای طراحی‌شده با Omnii-1 توانسته بود نمونه باکتری مقاوم موردنظر را در آزمایشگاه از بین ببرد و پس از آن، این ترکیب تحت یک مجوز درمانی ویژه به بیمار داده شد. چنین مجوزهایی معمولاً برای شرایط جدی و زمانی در نظر گرفته می‌شوند که گزینه‌های درمانی رضایت‌بخش دیگری در دسترس نیستند. بااین‌حال، شرکت نام باکتری عامل عفونت، جزئیات وضعیت بیمار و نتیجه درمان را علنی نکرده است.
ارزش افزوده این پیشرفت را باید در مشکل بزرگی دید که پزشکی امروز با آن روبه‌روست: مقاومت آنتی‌بیوتیکی. در روش سنتی فاژدرمانی، متخصصان باید فاژ مناسبی را از میان نمونه‌های موجود پیدا کنند و سازگاری آن را با باکتری بیمار بسنجند؛ فرایندی که ممکن است زمان‌بر باشد. هوش مصنوعی می‌تواند انتخاب نامزدهای درمانی را سریع‌تر کند و در آینده به طراحی درمان متناسب با عفونت هر فرد کمک کند. البته سرعت بیشتر در طراحی، به‌تنهایی به معنی درمان مؤثرتر یا ایمن‌تر نیست.
این خبر را نباید با اثبات موفقیت درمان اشتباه گرفت. تا زمانی که داده‌های بالینی منتشر نشوند، نمی‌توان گفت بیمار بهبود یافته، عفونت کاملاً از بین رفته یا عوارض احتمالی چه بوده است. نتیجه آزمایشگاهی نیز الزاماً در بدن انسان تکرار نمی‌شود؛ سیستم ایمنی، محل عفونت و ویژگی‌های باکتری می‌توانند بر نتیجه اثر بگذارند. به همین دلیل، گزارش‌های مستقل، بررسی علمی و شواهد حاصل از بیماران بیشتر برای ارزیابی این روش ضروری‌اند.
در کنار امید درمانی، این فناوری پرسش‌های ایمنی مهمی هم ایجاد می‌کند. طراحی زیستی با هوش مصنوعی باید تحت نظارت تخصصی انجام شود و توانایی تولید عوامل زیستی فعال نیازمند سازوکارهای دقیق ارزیابی و کنترل است. بااین‌حال، فاژهای مورد بحث با ویروس‌هایی که سلول‌های انسانی را آلوده می‌کنند یکسان نیستند و نباید این دو را با هم اشتباه گرفت. فعلاً می‌توان گفت هوش مصنوعی به مرحله‌ای تازه از طراحی درمان‌های ضدباکتری رسیده است؛ اما اینکه این روش به درمانی قابل‌اعتماد و فراگیر تبدیل شود، به شواهد بالینی آینده بستگی دارد.
