Radyologlara özel yeni bir çalışma alanı.RAI PACS Pro’yu keşfedin ↗
RAI PACS Pro

Dil seçin

Giriş yapÜcretsiz başlayın ↗
RAI HEALTH JOURNAL

AI ile antibiyotik keşfi: açıklanabilir model ne kazandırır?

Bir molekülün neden seçildiğini anlamak, yeni antibiyotik adaylarını araştırmayı kolaylaştırabilir. Açıklanabilir AI çalışmasını, deneysel kanıtı ve klinik kullanıma kalan adımları ayrı okuyoruz.

← Tüm yazılar
RAI Health · AI destekli editoryal içerikİlaç
Mavi eldivenli bir araştırmacı laboratuvar çalışma kabininde petri kabındaki kültürü inceliyor.
Antibiyotik araştırmalarını temsilen lisanslı laboratuvar fotoğrafı. İncelenen MIT çalışmasını veya bu çalışmanın deney sonuçlarını göstermez.
Timothy Nkwasibwe / Pexels · Pexels License · Görsel kaynağı

Yeni aday kadar, anlamlı yenilik de önemli

WHO’nun 2 Ekim 2025 tarihli raporu, 15 Şubat 2025’e kadar olan antibakteriyel geliştirme verilerini değerlendiriyor. Yenilik; yeni hedef, etki mekanizması, ilaç sınıfı veya bilinen çapraz direncin bulunmaması gibi ölçütlerle ele alınıyor. Bu nedenle çok sayıda molekül önermek, tek başına karşılanmamış klinik ihtiyaca yanıt vermek değildir.

Araştırma: modelin önerisinin arkasını görmek

20 Aralık 2023’te çevrimiçi yayımlanan Wong ve çalışma arkadaşlarının araştırmasında, 39.312 bileşiğin deney verileri kullanılarak 12 milyondan fazla bileşik için antibakteriyel etkinlik ve hücre toksisitesi tahmin edildi. Açıklanabilir yaklaşım, tahminle ilişkili moleküler alt yapıları belirledi. Ekip 283 bileşiği deneysel olarak test etti; bir yapısal sınıfın MRSA enfeksiyonu fare modellerinde bakteri yükünü azalttığını bildirdi. Bu kanıt klinik öncesidir.

Deneysel sonuç neyi gösterir, neyi göstermez?

MIT’nin araştırma haberi, adayları daraltırken üç insan hücresi tipinde toksisiteyi öngören modellerden de yararlanıldığını anlatıyor. Haberde ayrıntılı kimyasal ve klinik değerlendirmelerin sonraki çalışma konusu olduğu belirtiliyor. Hücre deneyinde düşük toksisite, insanda güvenli doz veya bütün organlarda güvenlik kanıtı olarak yorumlanamaz; modelin açıklaması da deneysel doğrulamanın yerini almaz.

Klinik kullanım ve izin ayrı aşamalardır

FDA, klinik öncesi araştırmaların insan çalışmalarının yerine geçmediğini açıklıyor. Klinik çalışmalar; kimlerin katılacağı, doz, süre, karşılaştırma ve ölçümler gibi ayrıntıları tanımlayan bir protokol gerektirir. Burada açıklanan ABD geliştirme çerçevesi belirli bir antibiyotiğe verilmiş izin değildir. Bu araştırma yazısından bugün bir adayın ruhsatlı olduğu veya hastalarda kullanılabileceği sonucu çıkarılmamalıdır.

Editoryal çıkarım: üç ayrı kanıt satırı

AI’nin hangi adayları seçtiğini, laboratuvarın neyi ölçtüğünü ve insanlarda hangi sonuçların araştırıldığını ayrı kaydedin. Modelin açıklaması bir araştırma sorusu oluşturabilir; açıklamanın doğru olduğunu, farklı bakterilere genellendiğini veya hasta yararını tek başına kanıtlamaz. Bu yazı geçmiş araştırmayı değerlendirme rehberidir; kişisel antibiyotik önerisi veya RAI ürünlerinin etkinlik iddiası değildir.

Kaynaklar

  1. WHO — Analysis of antibacterial agents in clinical and preclinical development: overview and analysis 2025 ↗
    Erişim tarihi: 2026-10-12
  2. Wong et al. — Discovery of a structural class of antibiotics with explainable deep learning (Nature; published online 20 December 2023), MIT repository ↗
    Erişim tarihi: 2026-10-12
  3. MIT News — Using AI, MIT researchers identify a new class of antibiotic candidates (20 December 2023) ↗
    Erişim tarihi: 2026-10-12
  4. FDA — Step 3: Clinical Research ↗
    Erişim tarihi: 2026-10-12

Bu yazı eğitim ve bilgilendirme amaçlıdır. Kaynaklara referans verilmesi, ilgili kuruluşların RAI PACS Pro’yu onayladığı anlamına gelmez. Ürün veya model için klinik etkinlik iddiası değildir.

Odağınız görüntüde kalsın.

Pro’ya giriş yap ↗