IA e antibióticos: um reinício radical contra superbactérias

Enquanto antibióticos antigos e testados vão perdendo eficácia, investigadores recorrem à IA para um recomeço radical na luta contra superbactérias.

Há quase cem anos que a medicina moderna assenta nos antibióticos. Só que esta arma “milagrosa” está a ficar cega: cresce o número de bactérias que já não reage aos tratamentos e há infeções cada vez mais difíceis de controlar. É neste cenário que um novo aliado ganha destaque nos laboratórios - a inteligência artificial (IA), capaz de organizar milhares de milhões de dados a uma velocidade impossível de replicar com testes tradicionais.

Como esvaziámos, com as nossas próprias mãos, a arma mais forte contra bactérias

Tudo mudou quando Alexander Fleming identificou, em 1928, o efeito da penicilina. De repente, pneumonias, septicemias e infeções de feridas - antes frequentemente fatais - passaram a ter cura. A resposta foi um uso alargado de antibióticos: na medicina humana, na produção animal e, por vezes, até como prevenção.

O problema é que este padrão de utilização acelerou o lado mais perigoso do processo. As bactérias multiplicam-se depressa e, em cada geração, surgem mutações ao acaso. Quando um antibiótico entra em contacto com essas populações, os microrganismos sensíveis morrem; já os poucos que, por acaso, têm resistência sobrevivem, disseminam-se e transmitem os seus mecanismos de defesa. Com o tempo, aparecem agentes patogénicos capazes de aguentar até terapias em doses elevadas.

"A humanidade passou décadas a consumir antibióticos como se fossem um detergente multiusos - agora a evolução responde."

Hoje, médicos em hospitais de todo o mundo deparam-se com as chamadas superbactérias: microrganismos que já não respondem a várias classes de fármacos. Algumas infeções só podem ser tratadas com medicamentos de reserva, mais tóxicos - e outras já nem isso.

Uma pandemia silenciosa: milhões de mortes por agentes resistentes

As estimativas indicam que, atualmente, cerca de 1,1 milhões de pessoas morrem por ano devido a infeções em que os antibióticos disponíveis falham. Se nada mudar, até 2050 esse número pode chegar a oito milhões de mortes anuais - mais do que todos os tipos de cancro somados.

Dois agentes problemáticos aparecem frequentemente no centro da investigação:

• Neisseria gonorrhoeae: provoca gonorreia e já apresenta resistência a quase todos os tratamentos padrão.
• Staphylococcus aureus: costuma ser um habitante inofensivo da pele, mas certas estirpes não respondem à meticilina e podem desencadear septicemias graves e pneumonias.

E estes dois são apenas a parte visível. Dezenas de espécies bacterianas caminham no mesmo sentido. A resistência espalha-se mais depressa do que a nossa “gaveta” de medicamentos cresce. Muitas classes de antibióticos, na prática, assemelham-se hoje a uma armadura cheia de falhas, onde as bactérias encontram continuamente novos pontos fracos.

Porque quase não chegam novos antibióticos ao mercado

Entre 2017 e 2022, foram aprovados em todo o mundo apenas doze novos antibióticos. Na maioria dos casos, tratam-se de variações de famílias já conhecidas - e contra as quais as bactérias, em parte, já aprenderam a defender-se. Substâncias verdadeiramente inovadoras são exceção.

Há várias razões por trás desta escassez:

• Custos extremamente elevados: desenvolver um novo antibiótico custa milhares de milhões e pode demorar mais de dez anos.
• Utilização limitada: quanto mais eficaz é um novo fármaco, mais parcimoniosamente tende a ser usado para atrasar resistências - o que reduz receitas.
• Regras exigentes: ensaios clínicos em infeções são complexos, eticamente sensíveis e sujeitos a forte regulação.

Para muitas farmacêuticas, a matemática deixou de resultar. O capital é desviado para áreas com maior retorno, como oncologia ou doenças raras. Resultado: ao mesmo tempo que a ameaça cresce, a pipeline de novos antibióticos vai secando.

IA como fator decisivo: procurar medicamentos em modo acelerado

É aqui que a IA entra com força. A lógica é simples: se os métodos clássicos de laboratório são demasiado lentos e caros, então algoritmos capazes de aprender podem encurtar drasticamente a caça a novas moléculas.

Um exemplo conhecido vem de uma equipa do Massachusetts Institute of Technology, liderada pelo biomedicista James Collins. Os investigadores treinaram um modelo com praticamente tudo o que a farmacologia acumulou em quase cem anos sobre antibióticos: estruturas químicas, mecanismos de ação, efeitos tóxicos, características de paredes celulares bacterianas e proteínas.

"A IA aprende a identificar, na geometria de uma estrutura molecular, o padrão de um potencial antibiótico - tal como um programa de reconhecimento facial encontra padrões em imagens."

Depois, o sistema analisou bibliotecas virtuais de moléculas. Em vez de testar cada substância no tubo de ensaio, o algoritmo simula interações com bactérias, estima probabilidades de sucesso e destaca os candidatos mais promissores.

45 milhões de estruturas, 36 milhões de novos candidatos

Num único ciclo, o modelo examinou cerca de 45 milhões de estruturas químicas já conhecidas. A partir dos padrões mais interessantes, gerou depois 36 milhões de novas ligações - compostos nunca antes sintetizados - tudo apenas por cálculo, sem uma única pipeta.

A equipa selecionou um conjunto viável de candidatos, produziu-os em laboratório e testou-os contra estirpes bacterianas reais. No final, sobraram duas substâncias que se revelaram altamente eficazes contra agentes resistentes e que atuavam através de alvos completamente novos.

À primeira vista, dois “acertos” em 36 milhões de estruturas recém-geradas pode parecer pouco. Mas, no desenvolvimento de fármacos, isso é frequentemente motivo de celebração: muitos programas tradicionais prolongam-se por anos e terminam sem que qualquer composto consiga sequer passar a fase pré-clínica.

AlphaFold, AMR-AI e outros: IA ataca a crise por vários ângulos

A estratégia do MIT é apenas uma peça do puzzle. Em paralelo, várias equipas no mundo trabalham com outros sistemas de IA que podem tornar-se decisivos para a investigação em antibióticos.

Ferramenta de IA	Tarefa principal
AlphaFold	Calcula a estrutura 3D de proteínas, ajudando a identificar melhor alvos nas bactérias.
Modelos AMR-AI	Antecipam como as resistências podem espalhar-se e que mutações têm maior probabilidade de surgir.
Algoritmos de screening	Vasculham grandes bibliotecas químicas à procura de substâncias desconhecidas com potencial antibacteriano.

O poder destas abordagens está na combinação de velocidade com deteção de padrões. A IA transforma décadas de trabalho experimental em modelos computacionais e revela relações que até especialistas podem não notar. E, ao filtrar a lista, reduz a carga dos laboratórios - deixando para testes demorados apenas os candidatos com melhores hipóteses.

O que a IA consegue fazer - e o que não consegue

Apesar dos avanços, uma coisa é evidente: a IA, por si só, não resolve a crise da resistência. Qualquer molécula nova pode, mais cedo ou mais tarde, ser contornada pelas “manobras” evolutivas das bactérias. Sem mudar a forma como usamos antibióticos, o ciclo repete-se.

Para que estas ferramentas tenham impacto real, é necessário, em paralelo:

• regras mais rígidas para a utilização em medicina humana e veterinária,
• melhores padrões de higiene nos hospitais,
• diagnósticos mais rápidos para permitir tratamentos mais direcionados,
• incentivos financeiros para que as empresas invistam em projetos de antibióticos, apesar do risco.

Ainda assim, a IA altera o ponto de partida desta corrida: em vez de gastar anos só para encontrar um candidato, passa a ser possível gerar, em poucos dias, listas de potenciais fármacos e avançar de imediato para a análise aprofundada.

O que os doentes já notam - e o que ainda pode mudar

No dia a dia, a maioria dos doentes quase não ouve falar de IA ligada a antibióticos. As aplicações estão, por enquanto, sobretudo nos bastidores: laboratórios de investigação, hospitais e equipas de bioinformática universitárias. A médio e longo prazo, porém, as mudanças podem tornar-se palpáveis.

Entre as possibilidades, incluem-se:

• terapias muito mais ajustadas ao agente causador,
• tratamentos mais curtos graças a escolhas mais certeiras de fármacos,
• novos medicamentos para infeções em que hoje há poucas - ou nenhumas - opções eficazes.

Ao mesmo tempo, cresce a responsabilidade no uso destas tecnologias. Modelos treinados de forma inadequada ou com dados incompletos podem levar a decisões perigosas. Por isso, controlos de qualidade rigorosos e conjuntos de dados transparentes são indispensáveis.

Quem até aqui associava “antibiorésistência” apenas a publicações científicas terá de se habituar a ver o termo no fluxo normal de notícias. As superbactérias não são um problema exclusivo de unidades de cuidados intensivos em países distantes: afetam também cirurgias de rotina, pneumonias ou infeções urinárias aparentemente banais em hospitais europeus. A IA dá à medicina a vantagem de tempo de que ela precisa - o resto depende de políticas públicas, do sistema de saúde e de um uso responsável de antibióticos por todos.