AI ช่วยค้นหาโมเลกุลต้านแบคทีเรียตัวใหม่ได้อย่างไร

* รูปภาพใช้เพื่อประกอบเนื้อหาเท่านั้น อาจไม่ใช่ภาพเหตุการณ์จริงหรือภาพจริงจากเรื่องในบทความ

เวลาค้นหาสารต้านแบคทีเรียใหม่ นักวิจัยมีโครงสร้างโมเลกุลให้พิจารณามากเกินกว่าจะทดลองทีละตัวได้หมด คอมพิวเตอร์จึงช่วยคัดตัวเลือก แต่ถ้าเชื่อเฉพาะคำทำนายที่ดูมั่นใจที่สุด ก็อาจมองข้ามบริเวณที่ข้อมูลยังมีน้อยและแบบจำลองยังไม่เข้าใจ

งานวิจัยที่เผยแพร่ในวารสาร Matter เมื่อเดือนกันยายน 2026 ทดลองใช้ AI ช่วยค้นหาโพลิเมอร์ต้านแบคทีเรีย โพลิเมอร์เป็นโมเลกุลสายยาวที่ปรับองค์ประกอบได้ นักวิจัยได้แรงบันดาลใจจากเปปไทด์ต้านจุลชีพ ซึ่งทำลายแบคทีเรียได้ด้วยการรบกวนเยื่อหุ้มเซลล์ แต่การพัฒนาเปปไทด์บางชนิดมีข้อจำกัดเรื่องต้นทุนและความคงตัว

นักวิจัยเลือกโมเลกุล 20 ตัวที่แบบจำลองหลายชุดทำนายไม่ตรงกันที่สุดมาสังเคราะห์และทดลองจริง แล้วป้อนผลกลับเข้าไปปรับแบบจำลอง ก่อนคัดอีก 10 ตัวไปทดสอบ ขั้นตอนนี้เรียกว่า การเรียนรู้เชิงรุก เป้าหมายคือเลือกการทดลองที่ช่วยลดความไม่แน่นอน ไม่ใช่ประกาศว่าคำทำนายใดเป็นยาสำเร็จรูป

เหตุที่ความเห็นไม่ตรงกันมีประโยชน์ เพราะโพลิเมอร์มีโครงสร้างให้ลองได้มหาศาล ขณะที่ข้อมูลทดลองสำหรับฝึกแบบจำลองยังมีจำกัด งานนี้ใช้ความรู้จากข้อมูลเปปไทด์ต้านจุลชีพเพื่อช่วยคาดคุณสมบัติของโพลิเมอร์ แล้วมองหาจุดที่แบบจำลองแต่ละชุดให้คำตอบต่างกัน จุดเหล่านั้นไม่ได้แปลว่าสารจะออกฤทธิ์ดี แต่อาจเป็นบริเวณที่การทดลองจริงให้ข้อมูลใหม่มากที่สุด

ทีมวิจัยสร้างรายการโครงสร้างโพลิเมอร์ที่เป็นไปได้ราว 1.7 ล้านแบบ การสังเคราะห์และทดสอบทั้งหมดในห้องแล็บย่อมไม่ใช่ทางเลือกที่คุ้มแรง พวกเขาจึงเลือก 20 แบบที่โมเดลเห็นต่างกันมากมาทดลองก่อน จากนั้นใช้ผลจริงปรับชุดข้อมูลและการคาดการณ์ แล้วจึงเลือกผู้สมัครรอบถัดไป วิธีนี้เปรียบได้กับการถามคำถามที่ให้ข้อมูลใหม่ที่สุดก่อน แทนที่จะถามซ้ำเฉพาะสิ่งที่เราคิดว่ารู้อยู่แล้ว

เมื่อคัดเหลือ 10 โพลิเมอร์ นักวิจัยสังเคราะห์และทดสอบกับแบคทีเรีย Escherichia coli ในห้องทดลอง รายงานของ Stanford ระบุว่าทั้งสิบแสดงฤทธิ์ต้านแบคทีเรียดีกว่าที่คาด และมีหนึ่งตัวที่น่าสนใจเป็นพิเศษต่อไบโอฟิล์ม ซึ่งเป็นชุมชนแบคทีเรียที่เกาะรวมกัน งานวิจัยยังตรวจกลไกที่ทำให้เยื่อหุ้มแบคทีเรียซึมผ่านได้ และพบผลเสริมกันเมื่อใช้โพลิเมอร์ผู้สมัครร่วมกับแนวทางยาที่ศึกษาในชุดทดลอง

อย่างไรก็ดี ผลจากจานทดลองยังไม่เท่ากับยาที่ใช้รักษาคนได้ งานนี้เป็นหลักฐานว่ากระบวนการเรียนรู้เชิงรุกช่วยคัดตัวเลือกและพบสารที่ควรศึกษาต่อ ไม่ได้ยืนยันประสิทธิภาพหรือความปลอดภัยทางคลินิก ยังต้องประเมินการกระจายในร่างกาย ผลต่อเซลล์และจุลินทรีย์อื่น ความเป็นพิษ และผ่านการทดลองตามขั้นตอนก่อนพูดถึงการรักษาจริง

ขนาดของปัญหาทำให้การค้นหาวิธีใหม่ยังสำคัญ องค์การอนามัยโลกรายงานว่า ในปี 2023 หนึ่งในหกของการติดเชื้อแบคทีเรียที่ยืนยันผลจากห้องปฏิบัติการและอยู่ในกลุ่มโรคติดเชื้อที่รายงานนั้นดื้อต่อยาปฏิชีวนะ ตัวเลขนี้มาจากข้อมูลเฝ้าระวังหลายประเทศและเชื้อหลายชนิด ไม่ได้หมายความว่าแบคทีเรียทุกชนิดหรือผู้ติดเชื้อทุกคนดื้อยา

ใจความสำคัญจึงไม่ใช่การให้ AI ตัดสินว่าสารใดเป็นยา แต่ใช้มันช่วยจัดลำดับคำถามที่คุ้มค่าจะทดลอง ผลทดลองจริงยังเป็นตัวชี้ขาด และทุกข้อสรุปเรื่องการรักษาต้องผ่านการตรวจความปลอดภัยกับการศึกษาทางคลินิกต่อไป