دسته جدیدی از آنتی‌بیوتیک‌ها برای از بین بردن باکتری‌های استافیلوکوکوس اورئوس (MRSA) مقاوم به دارو با استفاده از مدل‌های یادگیری عمیق کشف شدند. 

ثابت شده است که استفاده از هوش مصنوعی در حوزه پزشکی میتواند به کلی قوانین بازی را تغییر دهد. این فناوری اکنون به دانشمندان کمک می‌کند تا اولین آنتی‌بیوتیک‌های جدید را در 60 سال گذشته کشف کنند، کشف ترکیب جدیدی که می تواند یک باکتری مقاوم به دارو را که سالانه هزاران نفر را در سراسر جهان می کشد، از بین ببرد، می تواند نقطه عطفی در مبارزه با مقاومت آنتی بیوتیکی باشد. جیمز کالینز، استاد مهندسی پزشکی و علوم در انستیتوی فناوری ماساچوست (MIT) و یکی دیگر از محققان، گفت: بینش ما در اینجا این بود که ما می‌توانیم آنچه را که توسط مدل‌ها آموخته شده را برای ساخت آنتی بیوتیک های جدید به کار ببریم. نویسندگان این مطالعه در بیانیه ای گفته اند: کار ما چارچوبی را ارائه می دهد که از نظر ساختار شیمیایی از نظر زمان کارآمد و از نظر مکانیکی روشنگر است. نتایج این تحقیقات در Nature منتشر شد و توسط تیمی متشکل از 21 محقق نویسندگی شد. تیم سازنده این پروژه از یک مدل یادگیری ماشین برای پیش‌بینی فعالیت و ساخت ترکیب جدید استفاده کرد. یادگیری عمیق شامل استفاده از شبکه های عصبی مصنوعی برای یادگیری و نمایش خودکار ویژگی ها از داده ها بدون برنامه نویسی صریح است. در این تحقیق بر روی باکتری استافیلوکوکوس اورئوس مقاوم به متی سیلین تمرکز شد. عفونت با این باکتری می تواند از عفونت های پوستی خفیف تا شرایط شدیدتر و بالقوه تهدید کننده زندگی مانند ذات الریه و عفونت های جریان خون متغیر باشد.

بر اساس گزارش مرکز پیشگیری و کنترل بیماری‌های اروپا (ECDC) تقریباً 150000 عفونت MRSA هر ساله در اتحادیه اروپا رخ می دهد، در حالی که تقریباً 35000 نفر سالانه در این اتحادیه به دلیل عفونت های مقاوم به ضد میکروب جان خود را از دست می دهند. تیم محققان MIT با استفاده از مجموعه داده های گسترده، یک مدل یادگیری عمیق گسترده را آموزش دادند. برای ایجاد داده های آموزشی، تقریباً 39000 ترکیب برای فعالیت آنتی بیوتیکی آنها در برابر MRSA مورد ارزیابی قرار گرفت. متعاقبا، هم داده های حاصل و هم جزئیات مربوط به ساختارهای شیمیایی ترکیبات وارد مدل شدند. برای اصلاح ترکیبات داروها، محققان از سه مدل یادگیری عمیق اضافی استفاده کردند. این مدل ها برای ارزیابی صلاحیت ترکیبات بر روی سه نوع متمایز از سلول های انسانی آموزش داده شدند. با ادغام این پیش‌بینی‌های مربوط به صلاحیت این ترکیبات، محققان ترکیباتی را شناسایی کردند که قادر به مبارزه مؤثر با میکروب‌ها با حداقل آسیب به بدن انسان هستند. با استفاده از این مجموعه از مدل ها، تقریباً 12 میلیون ترکیب تجاری موجود غربال شدند. این مدل‌ها ترکیباتی را از پنج کلاس مختلف شناسایی کردند که بر اساس زیرساخت‌های شیمیایی خاص در مولکول‌ها طبقه‌بندی شده‌اند، که فعالیت پیش‌بینی‌شده علیه MRSA را نشان می‌دهند. متعاقباً، محققان حدود 280 مورد از این ترکیبات را به دست آوردند و آزمایشاتی را علیه MRSA در یک محیط آزمایشگاهی انجام دادند. این رویکرد آنها را به شناسایی دو نامزد امیدبخش آنتی بیوتیک از یک کلاس هدایت کرد. در آزمایش‌هایی که شامل دو مدل موش بود. یکی برای عفونت پوستی MRSA و دیگری برای عفونت سیستمیک .MRSA