哈爾(Hal)，2001年的人工智能：太空漫游，對發(fā)現(xiàn)一號的船員不是朋友。在執(zhí)行任務的過程中，惡意機器試圖殺死飛船上的所有人。麻省理工學院的研究人員希望，其同名的halicin能起到相反的作用。在實驗室測試中，由AI程序發(fā)現(xiàn)的抗生素能夠殺死35種強力細菌，有些細菌被認為無法用當前的抗生素治愈。

面對即將來臨的災難，這一發(fā)現(xiàn)提供了希望。去年，世界衛(wèi)生組織將抗藥性列為全球流行病，流感，艾滋病毒和氣候變化的十大威脅之一。但是，新技術只是避免情況惡化所需的全球大修的一部分。

MIT算法通過研究各種化學物質的結構并預測每個分子對特定細菌的功效如何發(fā)現(xiàn)了halicin。它對現(xiàn)有抗生素的了解有助于它避免制造出與其他化合物相似的藥物，這些藥物可能由于疾病對它們產(chǎn)生抵抗力而無效，因此可能無效。該消息發(fā)布之前，去年有十家大型制藥公司宣布，隨著醫(yī)療行業(yè)越來越認識到機器智能的價值，它們將合并基于AI的新藥搜索數(shù)據(jù)。

不斷增長的抗生素耐藥性有多種來源。一種是醫(yī)生開藥，卻無法測試患者是否患有細菌(可以消滅細菌)或其他病原體(不能消滅細菌)。當患者因為癥狀消失而提前停止其療程時，情況會更加復雜。由于在世界范圍內繼續(xù)使用富含抗生素的飼料來促進牲畜生長，因此工業(yè)也應對此負責。

僅在美國，疾病控制與預防中心估計每年就有35,000人死于抗藥性細菌。影響不限于直接死亡人數(shù)。較高的風險可能使醫(yī)療專業(yè)人員不太愿意進行重要的手術，而更長的住院時間卻在浪費資源。

市場力量阻礙了更有效藥物的生產(chǎn)。對于許多較小的公司而言，將一種新的化學藥品從早期的臨床測試轉移到全國或全球范圍內的費用過高。甚至更大的制藥商也缺乏創(chuàng)造新抗生素的積極性(通常最多只能開一個星期)，而不是開發(fā)使用時間更長的藥物?？股匾部梢员Ａ粢詡洳粫r之需，以阻止微生物產(chǎn)生耐藥性。

Halicin認為，自動化可以通過減少進行臨床試驗或發(fā)現(xiàn)新化合物的成本來解決部分問題。但是，更廣闊的藥物發(fā)現(xiàn)市場仍需要進行重大調整。去年，英國衛(wèi)生部長馬特·漢考克(Matt Hancock)提出了一項建議，但尚未采取任何行動。該建議是，國家衛(wèi)生服務局應根據(jù)藥品的價值而非出售的數(shù)量向制藥公司支付預付款。為了確保基于AI的抗生素研究獲得更廣泛的應用，可能需要在全球范圍內應用這種思維。