A mesterséges intelligenciának elég volt két nap egy tízéves kérdés megoldására

José Penadés és kutatócsoportja az Imperial College Londonból egy évtizedet töltött annak a megfejtésével, hogyan szereznek egyes szuperbaktériumok rezisztenciát az antibiotikumokkal szemben. Amikor ugyanezt a kérdést feltették a Google co-scientist nevű, kifejezetten kutatókkal való együttműködésre tervezett MI-eszközének, a válasz két nap alatt ugyanazt az eredményt hozta, mint az akkor még nem publikált kutatási eredményeik. 

– magyarázta el Penadés, az Imperial College London mikrobiológia-professzora. 

Az elképedt Penadés e-mailben megkereste a Google-t, hogy ellenőrizze, vajon a cég hozzáfért-e a kutatás anyagához, amire a vállalat nemleges választ adott. A kutatók február 19-én tették közzé az eredményeiket a bioRxiv előpublikációs szerveren, így azok még nem estek át szakmai lektoráláson. 

A mesterséges intelligencia szerepe a szuperbaktériumok elleni harcban 

Az antimikrobiális rezisztencia (AMR) akkor következik be, amikor fertőző mikrobák – mint a baktériumok, vírusok, gombák és paraziták – ellenállóvá válnak az antibiotikumokkal szemben, hatástalanná téve a gyógyszereket. A „csendes pandémiaként” is emlegetett AMR az emberiséget fenyegető egyik legnagyobb egészségügyi veszély, mivel az antibiotikumok túlzott és helytelen használata az orvostudományban és a mezőgazdaságban egyaránt gyorsítja a terjedését. 

Az amerikai Járványügyi és Betegségmegelőzési Központ (CDC) 2019-es jelentése szerint a gyógyszerrezisztens baktériumok abban az évben világszerte legalább 1,27 millió ember halálát okozták.  

Csak az Egyesült Államokban körülbelül 35 ezer haláleset történt, ami azt jelenti, hogy azok száma 52 százalékkal ugrott meg a CDC 2013-as AMR-jelentése óta. A helyzet Európában sem jobb: az Európai Betegségmegelőzési és Járványvédelmi Központ antibiotikum-rezisztencia okozta halálozásról szóló tanulmánya szerint 2016 és 2020 között 29 európai országban évente mintegy 31–39 ezer ember halálát okozták antibiotikum-rezisztens baktériumok.

Az alábbi Statista-ábra a „szuperbaktériumoknak” tulajdonítható halálesetek becsült számát mutatja be a lakosság számához viszonyítva. Görögország, Olaszország, Románia, Spanyolország és Ciprus a probléma által leginkább érintett európai ország, ahol az éves halálozási arány százezer lakosra vetítve 10 és 20 közötti. A kontinensen a legalacsonyabb halálozási arányt Hollandiában és Norvégiában regisztrálták (2 eset 100 ezer lakosra). 

A probléma feltárásához Penadés és csapata azt kezdte vizsgálni, miként képes egy bizonyos szuperbaktérium arra, hogy különféle baktériumfajokat megfertőzzön. 

Így segíthet az MI a tudományban 

„Az eredményeink azt mutatják, hogy a mesterséges intelligencia képes szintetizálni az összes rendelkezésre álló bizonyítékot, és a legfontosabb kérdések, kísérleti tervek felé irányítani bennünket – világított rá Tiago Dias da Costa, az Imperial College London bakteriális patogenezis előadója. – Ha a rendszer olyan jól működik, mint reméljük, akkor forradalmi változást hozhat; kizárja a »zsákutcákat«, és lényegében lehetővé teszi számunkra, hogy rendkívüli ütemben haladjunk előre.” 

A tudósok azt feltételezték, hogy ezek a vírusok különböző baktériumokat fertőző más vírusoktól vesznek át úgynevezett „farkakat”, amelyeket arra használnak, hogy a saját genetikai anyagukat befecskendezzék a gazdabaktérium sejtjeibe. A kísérletek igazolták a feltevésüket, egy olyan áttörést jelentő mechanizmust tárva fel a horizontális géntranszferben, amelyről a tudományos közösség korábban nem tudott. 

Mielőtt a csapat bármelyik tagja nyilvánosan megosztotta volna az eredményeit, a kutatók ugyanezt a kérdést tették fel a Google co-scientist eszközének. Két nap után az MI javaslatokat is adott: az egyik pedig pontosan az volt, amit ők kikutattak. 

A mesterséges intelligencia ellentmondásos szerepe 

A kutatók megjegyezték, hogy ha már az elejétől fogva használták volna az MI-t, attól még a kísérletekre szükség van, de segített volna nekik sokkal hamarabb eljutni a hipotézishez, többévnyi munkát takarítva meg ezzel. 

Ezen biztató eredmények ellenére az MI használata a tudományban továbbra is ellentmondásos. Például egyre több mesterséges intelligencia által asszisztált kutatásról derül ki, hogy nem reprodukálható, vagy egyenesen hamis. Ezeknek a problémáknak a minimalizálására és az MI által a kutatásban nyújtható előnyök maximalizálására a tudósok különböző megoldásokat javasolnak, és etikai kereteket állítanak fel az eredmények pontosságának kiértékelésére. 

Bár az MI alkalmazása forradalmasíthatja a tudományos kutatást, a szakértők hangsúlyozzák, hogy az emberi ellenőrzés és kísérletezés továbbra is elengedhetetlen a felfedezések hitelesítéséhez. 

Kapcsolódó:

Címlapfotó: Pexels

További cikkeinket, elemzéseinket megtalálják a makronom.hu oldalon.