จากโค้ดสู่การรักษา: เปิดห้องทดลอง AI สร้างยาปฏิชีวนะฆ่าเชื้อหนองในดื้อยา

โดยรวมแล้ว แบบจำลองของพวกเขาได้ ออกแบบสารประกอบตัวเลือกมากกว่า 36 ล้านรายการ และทีมวิจัยได้ใช้การคำนวณทางคอมพิวเตอร์กรองหาสารที่มีความเป็นไปได้สูงว่าจะมีฤทธิ์ยาปฏิชีวนะ มีความเป็นพิษต่ำ และสามารถสังเคราะห์ได้ในห้องแล็บ จากนั้นพวกเขาได้สังเคราะห์ 24 ตัวเลือกที่น่าจะไปต่อได้มากที่สุดและทดสอบในแล็บจริง ซึ่งจำนวน 7 ชนิดแสดงฤทธิ์ยาปฏิชีวนะได้ และมีตัวเลือกหลักอีก 2 ชนิด—ที่มีชื่อว่า NG1 (สำหรับเชื้อหนองใน) และ DN1 (สำหรับ MRSA)—ที่แสดงประสิทธิภาพในการฆ่าแบคทีเรียดื้อยาหลายขนานได้อย่างเหนือชั้น ทั้งในการทดสอบในแล็บและในสัตว์ สารประกอบเหล่านี้มีโครงสร้างทางเคมีที่แตกต่างไปจากยาปฏิชีวนะใดๆ ที่เคยมีมาและดูเหมือนจะทำงานผ่านกลไกใหม่ที่เข้าไปทำให้เยื่อหุ้มเซลล์ของแบคทีเรียฉีกขาด

รายละเอียดสำคัญอีกประการหนึ่งคือ ทีมงานจาก Wyss และ MIT ไม่ได้หยุดอยู่แค่การทดลองในหลอดทดลองหรือในสัตว์ Collins ได้เปิดเผยว่าเขาได้ทำงานโดยตรงกับ Donald Ingber ผู้อำนวยการก่อตั้งของสถาบัน Wyss เพื่อ ใช้เทคโนโลยี ‘อวัยวะบนชิป’ (Organ-on-a-Chip) ซึ่งเป็นอุปกรณ์เพาะเลี้ยงเซลล์แบบจุลภาคของสถาบัน มาทดสอบประสิทธิภาพของยาปฏิชีวนะที่ AI ค้นพบ ในสภาพแวดล้อมที่เหมือนเนื้อเยื่อมนุษย์ แพลตฟอร์มเหล่านี้เปิดโอกาสให้นักวิจัยศึกษาพฤติกรรมของยาในเนื้อเยื่อมนุษย์ที่มีชีวิต ซึ่งช่วยเสริมการทดลองในสัตว์แบบดั้งเดิมและให้มุมมองที่ละเอียดยิ่งขึ้นถึงศักยภาพในการรักษาก่อนที่สารประกอบใดๆ จะเข้าสู่การทดลองในมนุษย์

การปฏิวัติโดย AI ในวงการค้นพบยาต้านจุลชีพ

งานของ Wyss และ MIT ไม่ใช่สิ่งที่เกิดขึ้นเดี่ยวๆ แต่มันสะท้อนให้เห็นถึงการเปลี่ยนแปลงขั้นพื้นฐานในวิธีที่แวดวงวิทยาศาสตร์ใช้รับมือกับภาวะดื้อยาต้านจุลชีพ AI ไม่ได้แค่ช่วยให้การสกรีนคลังสารประกอบที่มีอยู่เร็วขึ้นอีกต่อไป แต่มันถูกใช้เพื่อ ออกแบบโมเลกุลแปลกใหม่ที่ไม่เคยมีในธรรมชาติ, ขุดคุ้ยโปรตีโอมของสิ่งมีชีวิตที่สูญพันธุ์แล้วเพื่อค้นหาเปปไทด์ต้านจุลชีพ, และคาดการณ์รูปแบบการดื้อยาแบบเรียลไทม์จากข้อมูลพันธุกรรม

• การออกแบบแบบรู้สร้าง: บทความใน Cell จากห้องแล็บ Collins เป็นส่วนหนึ่งของกระแสที่รวมถึงกลุ่มอื่นๆ ที่ใช้ Large Language Models (LLMs) เพื่อสร้างเปปไทด์ต้านจุลชีพใหม่ๆ ที่มีประสิทธิภาพในการต่อสู้กับซูเปอร์บั๊กทางคลินิก
• การคืนชีพโมเลกุล: นักวิจัยได้ฝึกฝนแบบจำลองการเรียนรู้เชิงลึกให้ขุดคุ้ยโปรตีโอมของสิ่งมีชีวิตที่สูญพันธุ์เพื่อค้นหาเปปไทด์ยาปฏิชีวนะที่ซ่อนอยู่ ทำให้เราได้เห็นโมเลกุลที่มนุษยชาติไม่เคยพบเห็นมาก่อน
• การคาดการณ์การดื้อยา: งานวิจัยการเรียนรู้ของเครื่อง (Machine Learning) อีกหลายชิ้นแสดงให้เห็นว่าแบบจำลอง CatBoost สามารถพยากรณ์การดื้อยาต่อยาปฏิชีวนะหลักบางชนิดของเชื้อหนองในได้ด้วยค่า AUROC จากการตรวจสอบข้ามกลุ่มสูงถึง 0.97 ซึ่งเหนือกว่าวิธีที่ดีที่สุดก่อนหน้านี้ถึง 4-7 เปอร์เซ็นต์ นั่นหมายความว่าแพทย์อาจได้รับรายงานพยากรณ์ความเสี่ยงการดื้อยาระดับคุณภาพห้องแล็บแบบเรียลไทม์ในเร็วๆ นี้ โดยใช้เพียงข้อมูลที่เก็บจากคนไข้ตามปกติ
• การเปลี่ยนกระบวนทัศน์: บทปริทัศน์ครอบคลุมจาก NIH ชี้กรอบว่า AI ไม่ใช่แค่เครื่องมือเสริม แต่เป็น “ตัวเร่งปฏิกิริยา” สำหรับการค้นพบยาต้านจุลชีพ ที่เข้าไปแก้ปัญหาหลักของกระบวนการดั้งเดิมที่ช้าเกินไปและแพงเกินกว่าจะตามทันวิวัฒนาการของเชื้อโรคดื้อยาหลายขนาน

บทบาทอันเป็นรากฐานของสถาบัน Wyss ในการเปลี่ยนแปลงครั้งนี้ไม่สามารถมองข้ามได้ งานด้านการเรียนรู้เชิงลึกก่อนหน้านี้ของ Collins ซึ่งทำร่วมกับผู้ร่วมงานจาก MIT เช่นกัน มีส่วนสำคัญในการค้นพบ ฮาลิซิน (halicin) ในปี 2019—ยาปฏิชีวนะกลุ่มใหม่กลุ่มแรกที่ถูกค้นพบในรอบหลายทศวรรษ และเป็นกลุ่มแรกที่ค้นพบโดยใช้แพลตฟอร์มที่ขับเคลื่อนด้วย AI งานด้าน Generative AI ล่าสุดสำหรับเชื้อหนองในก็คือวิวัฒนาการต่อยอดโดยตรงจากโครงการวิจัยเดียวกัน โดยเปลี่ยนจากบทบาท “AI ในฐานะเครื่องสกรีน” มาเป็น “AI ในฐานะผู้ออกแบบ”

อย.สหรัฐฯ ตามมา: ยากินชนิดใหม่สำหรับรักษาโรคหนองใน

ขณะที่ตัวเลือกจาก Generative AI ของสถาบัน Wyss (เช่น NG1) ยังคงอยู่ในขั้นก่อนคลินิก แต่สนามการค้นพบยาปฏิชีวนะก็ได้รับการยอมรับครั้งสำคัญในเดือนธันวาคม 2568 เมื่อวันที่ 11 และ 12 ธันวาคม องค์การอาหารและยาของสหรัฐอเมริกา (FDA) ได้อนุมัติ ยารับประทานใหม่สองรายการเพื่อรักษาหนองในที่ไม่ซับซ้อนในระบบทางเดินปัสสาวะและอวัยวะสืบพันธุ์—นับเป็นตัวเลือกการรักษาใหม่ทั้งหมดครั้งแรกในรอบหลายสิบปี

• โซลิโฟลดาซิน (Zoliflodacin; ชื่อแบรนด์ Nuzolvence) เป็นยาชนิดแรกของกลุ่ม spiropyrimidinetrione ซึ่งออกฤทธิ์ยับยั้งเอนไซม์ topoisomerase ของแบคทีเรีย โดยให้เพียงครั้งเดียวแบบกิน พัฒนาโดย Innoviva Specialty Therapeutics ร่วมกับ GARDP และหน่วยงานโรคภูมิแพ้และโรคติดเชื้อแห่งชาติสหรัฐฯ (NIAID) การทดลองระยะที่ 3 ในผู้ป่วย 930 คนพบว่ามีประสิทธิภาพไม่ด้อยไปกว่าการรักษามาตรฐานด้วยยาฉีด
• จีโปติดาซิน (Gepotidacin; ชื่อแบรนด์ Blujepa) เป็นยาต้านแบคทีเรียชนิดแรกของกลุ่ม triazaacenaphthylene พัฒนาโดย GSK โดยเริ่มแรกได้รับการอนุมัติในเดือนมีนาคม 2025 สำหรับการติดเชื้อทางเดินปัสสาวะในผู้หญิง และต่อมาได้รับการอนุมัติเพิ่มเติมจาก FDA ในเดือนธันวาคม 2025 สำหรับการรักษาหนองในในผู้ป่วยที่มีทางเลือกในการรักษาจำกัดหรือไม่มีเลย

ยาทั้งสองชนิดนี้เป็นยาปฏิชีวนะแบบกินที่มีโครงสร้างใหม่ ซึ่งเป็นคุณสมบัติที่สำคัญอย่างยิ่ง เพราะการรักษามาตรฐานก่อนหน้านี้ที่เป็นสูตรยาฉีดเซฟไตรอะโซน (ceftriaxone) มีอุปสรรคด้านการเข้าถึงและกำลังเผชิญกับการดื้อยาที่เพิ่มขึ้นเรื่อยๆ อย่างไรก็ตาม การอนุมัติครั้งนี้มาพร้อมกับข้อควรระวังสำคัญ ทั้งโซลิโฟลดาซินและจีโปติดาซินแสดงให้เห็นถึงความสำเร็จที่จำกัดในการรักษาหนองในในคอหอยในการทดลองระยะที่ 2 ก่อนหน้านี้ ซึ่งหมายความว่าการใช้ยาเหล่านี้จะต้องมีการจัดการอย่างระมัดระวัง และที่สำคัญคือ ไม่มียาชนิดใดในทั้งสองชนิดนี้ที่ถูกค้นพบโดยใช้ AI หากแต่สะท้อนให้เห็นถึงความสำคัญอย่างต่อเนื่องของการพัฒนายาโมเลกุลเล็กแบบดั้งเดิมที่ไม่ใช้ AI ซึ่งดำเนินไปคู่ขนานในขณะที่ AI กำลังเร่งปฏิกิริยาของผู้สมัครยาในขั้นก่อนคลินิก

ทิศทางต่อไปจากจุดนี้

งานของสถาบัน Wyss และขบวนการยาปฏิชีวนะที่ขับเคลื่อนด้วย AI ในวงกว้างที่เป็นตัวแทนของมัน กำลังนั่งอยู่บนทางแยกสำคัญ ในด้านหนึ่ง แบบจำลอง Generative AI ในปัจจุบันสามารถออกแบบสารประกอบที่มีโครงสร้างใหม่ๆ ซึ่งฆ่า “ซูเปอร์บั๊ก” ที่ดื้อยาหลายขนานในแล็บและในสัตว์ทดลองได้แล้ว และในอีกด้าน การอนุมัติยา zoliflodacin และ gepotidacin จาก FDA ในเดือนธันวาคม 2025 ก็พิสูจน์ให้เห็นว่าสารเคมีใหม่ๆ สามารถชนะการอนุมัติจากหน่วยงานกำกับดูแลและเข้าถึงผู้ป่วยที่มีความจำเป็นเร่งด่วนสำหรับทางเลือกอื่นแทนยาปฏิชีวนะแนวหน้าที่กำลังล้มเหลว การสานต่อขั้นตอนถัดไป—การผนวกตัวเลือกยาออกแบบโดย AI เข้ากับการทดสอบอวัยวะมนุษย์บนชิป—ได้เริ่มต้นขึ้นแล้วภายในห้องแล็บ Collins

หากแนวทางเชิงบูรณาการนี้ประสบความสำเร็จ อนาคตของการค้นพบยาปฏิชีวนะอาจดูแตกต่างไปจากเดิมอย่างสิ้นเชิง: แบบจำลอง Deep Learning เสนอโมเลกุลแปลกใหม่อย่างที่ไม่เคยมีมาก่อน, อวัยวะบนชิปช่วยตรวจสอบความปลอดภัยและประสิทธิภาพในสภาพแวดล้อมเนื้อเยื่อมนุษย์, และตัวเลือกที่สดใสที่สุดจะก้าวไปสู่การทดลองทางคลินิกอย่างรวดเร็ว สำหรับเชื้อโรคอย่าง N. gonorrhoeae ซึ่งทั้ง WHO และ CDC จัดให้อยู่ในบัญชีเฝ้าระวังลำดับความสำคัญสูงสุดเพราะแนวโน้มการดื้อยาที่น่าตกใจของมัน, ความเสี่ยงที่ไม่สามารถสูงไปกว่านี้ได้อีกแล้ว ยาปฏิชีวนะออกแบบโดย AI ของสถาบัน Wyss อาจยังอยู่ในขั้นก่อนคลินิก แต่มันคือเครื่องพิสูจน์แนวคิดที่ว่า ตอนนี้เราสามารถสอนเครื่องจักรให้คิดค้นยาที่เราต้องการอย่างที่สุดได้แล้ว