จากโค้ดสู่การรักษา: เปิดห้องทดลอง AI สร้างยาปฏิชีวนะฆ่าเชื้อหนองในดื้อยา

การปฏิวัติโดย AI ในวงการค้นพบยาต้านจุลชีพ

งานของ Wyss และ MIT ไม่ใช่สิ่งที่เกิดขึ้นเดี่ยวๆ แต่มันสะท้อนให้เห็นถึงการเปลี่ยนแปลงขั้นพื้นฐานในวิธีที่แวดวงวิทยาศาสตร์ใช้รับมือกับภาวะดื้อยาต้านจุลชีพ AI ไม่ได้แค่ช่วยให้การสกรีนคลังสารประกอบที่มีอยู่เร็วขึ้นอีกต่อไป แต่มันถูกใช้เพื่อ ออกแบบโมเลกุลแปลกใหม่ที่ไม่เคยมีในธรรมชาติ, ขุดคุ้ยโปรตีโอมของสิ่งมีชีวิตที่สูญพันธุ์แล้วเพื่อค้นหาเปปไทด์ต้านจุลชีพ, และคาดการณ์รูปแบบการดื้อยาแบบเรียลไทม์จากข้อมูลพันธุกรรม [17, 18, 20, 26]

• การออกแบบแบบรู้สร้าง: บทความใน Cell จากห้องแล็บ Collins เป็นส่วนหนึ่งของกระแสที่รวมถึงกลุ่มอื่นๆ ที่ใช้ Large Language Models (LLMs) เพื่อสร้างเปปไทด์ต้านจุลชีพใหม่ๆ ที่มีประสิทธิภาพในการต่อสู้กับซูเปอร์บั๊กทางคลินิก [7, 22]
• 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 [9, 47] งานด้าน Generative AI ล่าสุดสำหรับเชื้อหนองในก็คือวิวัฒนาการต่อยอดโดยตรงจากโครงการวิจัยเดียวกัน โดยเปลี่ยนจากบทบาท “AI ในฐานะเครื่องสกรีน” มาเป็น “AI ในฐานะผู้ออกแบบ” [7, 50]

อย.สหรัฐฯ ตามมา: ยากินชนิดใหม่สำหรับรักษาโรคหนองใน

ขณะที่ตัวเลือกจาก Generative AI ของสถาบัน Wyss (เช่น NG1) ยังคงอยู่ในขั้นก่อนคลินิก แต่สนามการค้นพบยาปฏิชีวนะก็ได้รับการยอมรับครั้งสำคัญในเดือนธันวาคม 2568 เมื่อวันที่ 11 และ 12 ธันวาคม องค์การอาหารและยาของสหรัฐอเมริกา (FDA) ได้อนุมัติ ยารับประทานใหม่สองรายการเพื่อรักษาหนองในที่ไม่ซับซ้อนในระบบทางเดินปัสสาวะและอวัยวะสืบพันธุ์—นับเป็นตัวเลือกการรักษาใหม่ทั้งหมดครั้งแรกในรอบหลายสิบปี [33, 40, 35]

• โซลิโฟลดาซิน (Zoliflodacin; ชื่อแบรนด์ Nuzolvence) เป็นยาชนิดแรกของกลุ่ม spiropyrimidinetrione ซึ่งออกฤทธิ์ยับยั้งเอนไซม์ topoisomerase ของแบคทีเรีย โดยให้เพียงครั้งเดียวแบบกิน พัฒนาโดย Innoviva Specialty Therapeutics ร่วมกับ GARDP และหน่วยงานโรคภูมิแพ้และโรคติดเชื้อแห่งชาติสหรัฐฯ (NIAID) [31, 33, 39] การทดลองระยะที่ 3 ในผู้ป่วย 930 คนพบว่ามีประสิทธิภาพไม่ด้อยไปกว่าการรักษามาตรฐานด้วยยาฉีด
• จีโปติดาซิน (Gepotidacin; ชื่อแบรนด์ Blujepa) เป็นยาต้านแบคทีเรียชนิดแรกของกลุ่ม triazaacenaphthylene พัฒนาโดย GSK โดยเริ่มแรกได้รับการอนุมัติในเดือนมีนาคม 2025 สำหรับการติดเชื้อทางเดินปัสสาวะในผู้หญิง และต่อมาได้รับการอนุมัติเพิ่มเติมจาก FDA ในเดือนธันวาคม 2025 สำหรับการรักษาหนองในในผู้ป่วยที่มีทางเลือกในการรักษาจำกัดหรือไม่มีเลย [34, 37, 40]

ยาทั้งสองชนิดนี้เป็นยาปฏิชีวนะแบบกินที่มีโครงสร้างใหม่ ซึ่งเป็นคุณสมบัติที่สำคัญอย่างยิ่ง เพราะการรักษามาตรฐานก่อนหน้านี้ที่เป็นสูตรยาฉีดเซฟไตรอะโซน (ceftriaxone) มีอุปสรรคด้านการเข้าถึงและกำลังเผชิญกับการดื้อยาที่เพิ่มขึ้นเรื่อยๆ [36, 44] อย่างไรก็ตาม การอนุมัติครั้งนี้มาพร้อมกับข้อควรระวังสำคัญ ทั้งโซลิโฟลดาซินและจีโปติดาซินแสดงให้เห็นถึงความสำเร็จที่จำกัดในการรักษาหนองในในคอหอยในการทดลองระยะที่ 2 ก่อนหน้านี้ ซึ่งหมายความว่าการใช้ยาเหล่านี้จะต้องมีการจัดการอย่างระมัดระวัง และที่สำคัญคือ ไม่มียาชนิดใดในทั้งสองชนิดนี้ที่ถูกค้นพบโดยใช้ AI หากแต่สะท้อนให้เห็นถึงความสำคัญอย่างต่อเนื่องของการพัฒนายาโมเลกุลเล็กแบบดั้งเดิมที่ไม่ใช้ AI ซึ่งดำเนินไปคู่ขนานในขณะที่ AI กำลังเร่งปฏิกิริยาของผู้สมัครยาในขั้นก่อนคลินิก [7, 8]

ทิศทางต่อไปจากจุดนี้

งานของสถาบัน Wyss และขบวนการยาปฏิชีวนะที่ขับเคลื่อนด้วย AI ในวงกว้างที่เป็นตัวแทนของมัน กำลังนั่งอยู่บนทางแยกสำคัญ ในด้านหนึ่ง แบบจำลอง Generative AI ในปัจจุบันสามารถออกแบบสารประกอบที่มีโครงสร้างใหม่ๆ ซึ่งฆ่า “ซูเปอร์บั๊ก” ที่ดื้อยาหลายขนานในแล็บและในสัตว์ทดลองได้แล้ว [7, 48] และในอีกด้าน การอนุมัติยา zoliflodacin และ gepotidacin จาก FDA ในเดือนธันวาคม 2025 ก็พิสูจน์ให้เห็นว่าสารเคมีใหม่ๆ สามารถชนะการอนุมัติจากหน่วยงานกำกับดูแลและเข้าถึงผู้ป่วยที่มีความจำเป็นเร่งด่วนสำหรับทางเลือกอื่นแทนยาปฏิชีวนะแนวหน้าที่กำลังล้มเหลว [33, 35] การสานต่อขั้นตอนถัดไป—การผนวกตัวเลือกยาออกแบบโดย AI เข้ากับการทดสอบอวัยวะมนุษย์บนชิป—ได้เริ่มต้นขึ้นแล้วภายในห้องแล็บ Collins

หากแนวทางเชิงบูรณาการนี้ประสบความสำเร็จ อนาคตของการค้นพบยาปฏิชีวนะอาจดูแตกต่างไปจากเดิมอย่างสิ้นเชิง: แบบจำลอง Deep Learning เสนอโมเลกุลแปลกใหม่อย่างที่ไม่เคยมีมาก่อน, อวัยวะบนชิปช่วยตรวจสอบความปลอดภัยและประสิทธิภาพในสภาพแวดล้อมเนื้อเยื่อมนุษย์, และตัวเลือกที่สดใสที่สุดจะก้าวไปสู่การทดลองทางคลินิกอย่างรวดเร็ว สำหรับเชื้อโรคอย่าง N. gonorrhoeae ซึ่งทั้ง WHO และ CDC จัดให้อยู่ในบัญชีเฝ้าระวังลำดับความสำคัญสูงสุดเพราะแนวโน้มการดื้อยาที่น่าตกใจของมัน, ความเสี่ยงที่ไม่สามารถสูงไปกว่านี้ได้อีกแล้ว [41, 5] ยาปฏิชีวนะออกแบบโดย AI ของสถาบัน Wyss อาจยังอยู่ในขั้นก่อนคลินิก แต่มันคือเครื่องพิสูจน์แนวคิดที่ว่า ตอนนี้เราสามารถสอนเครื่องจักรให้คิดค้นยาที่เราต้องการอย่างที่สุดได้แล้ว