研究表明，抗生素耐药性感染现已成为全球主要死因之一。
世界卫生组织估计，到2050年，将有1000万人死于此类感染。
人工智能有潜力助力发现新型抗生素，并快速、准确地设计新药。
研究人员表示，尽管人工智能可作为增强或加快药物发现的工具，但它无法取代科学家或医生。
自1920年代末发现青霉素以来，抗生素已“彻底改变了医学，挽救了数百万人的生命”。遗憾的是，抗生素的有效性如今正受到威胁，全球范围内抗生素耐药菌的增加。
抗生素耐药性感染导致多达每年120万人死亡，使其成为主要死因之一。
导致抗生素耐药性危机的因素有多种。这些包括在治疗中过度和滥用抗生素。此外，制药公司受到过度监管，且缺乏研发新药的动力受到过度监管，且缺乏研发新药的动力。
世界卫生组织估计，到2050年，将有1000万人死于此类感染。
抗生素耐药性感染的影响十分广泛。若缺乏对细菌感染的有效预防和治疗，器官移植、化疗和剖宫产等医疗程序的风险将大幅上升。这是因为细菌相关感染的严重程度正在加剧，而未经治疗的感染可能引发多种健康问题。
发现新型抗生素
抗生素通过攻击导致疾病的细菌来治疗疾病即通过杀死细菌或阻止其繁殖。
发现新型抗生素有可能挽救数百万人的生命。上一次发现新型抗生素类别是在1984年。但要找到真正的新型抗生素并不容易：每15种进入临床前开发阶段的抗生素中，只有一种最终能够用于患者。
开发新药成本高昂，且过程往往漫长。此外，将新药推向市场并使其可及，也面临着严峻挑战。
这正是人工智能（AI）发挥作用之处，因为它使研究人员能够快速、准确地设计和评估潜在药物。
AI在药物设计中的作用
近年来，相关研究在利用AI进行药物设计与发现方面出现了爆发式增长。AI能够识别在结构上不同于现有抗生素、且对多种细菌有效的新型抗生素。
为了发现更有效的抗生素，我们需要了解耐药性的结构基础，并且这一认识为合理设计原则提供了依据。开发有效的第二代抗生素通常需要对第一代药物进行优化。
在药物开发中，每一代化合物的研发与评估都要耗费大量资金。研究人员可以利用AI工具让计算机自主学习，从而找到快速且低成本的方法来发现此类新型药物。
人工智能在发现新型抗生素方面已展现出良好前景。2019年，研究人员采用深度学习方法识别出广谱抗生素Halicin。Halicin此前曾在作为糖尿病治疗药物的临床试验中失败，但AI提示了另一种应用方向。
鉴于借助人工智能已能早期识别出这种潜在的强效抗生素，或许可以识别出大量能够对多种细菌有效的此类广谱抗生素。这些药物仍需经过临床试验。
美国国立卫生研究院的研究人员利用AI的预测能力，展示了AI在加速筛选未来抗生素过程中的潜力。
AI可以经过训练，以更快的速度筛选和发现新药——康科迪亚大学的实验室正在运用这一方法，识别能够靶向细菌RNA的抗生素。
算法学习
研究人员设计了一种算法，利用来自数据库的数据如ZINC（一个包含可商购化学品的数据库，可用于虚拟筛选），以探究分子及其性质之间的关系。AI模型从数据库中提取信息，分析其中的规律。
由该算法生成的模型基于已有数据进行训练。AI能够快速筛选海量数据，以理解分子内容或结构中的重要规律。
我们已看到当前模型在正确预测细菌蛋白与抗菌剂之间的相互作用方面的潜力。但要最大限度地发挥AI的预测能力，仍需进一步优化。
AI的局限性
研究人员尚未充分挖掘AI模型的全部潜力。随着计算能力等方面的进一步发展，AI有望成为科学领域的重要工具。AI在药物发现研究中的发展，以及寻找治疗细菌感染的新型抗生素，仍在持续推进之中。
在人工智能预测并准确识别先导化合物方面已显示出良好前景。
即使借助强大的AI方法，发现新药仍非易事。我们需要认识到，AI是一种工具，它通过识别或预测研究问题的结果，为科研作出贡献。
如今，AI已应用于众多行业，并正在改变世界。但它无法取代科学家或医生。AI可以帮助研究人员增强或加快药物发现的进程。
尽管在全面利用这一方法之前我们仍有很长的路要走，但毫无疑问，AI将显著改变药物的发现和开发方式。