Antibióticos, IA e superbactérias: um reinício radical na luta contra a resistência

À medida que os antibióticos de sempre vão perdendo eficácia, investigadores recorrem à IA para um recomeço radical na luta contra as superbactérias.

Há quase cem anos que a medicina moderna assenta nos antibióticos. Só que a “arma milagrosa” está a perder o fio: cada vez mais bactérias deixam de responder, e algumas infeções tornam-se extremamente difíceis de tratar. É neste cenário que um novo aliado ganha destaque na investigação - a inteligência artificial (IA), capaz de organizar milhares de milhões de dados a uma velocidade impossível de replicar apenas com testes laboratoriais.

Como fomos nós a desgastar a nossa arma mais forte contra as bactérias

Com a descoberta do efeito da penicilina por Alexander Fleming, em 1928, abriu-se uma era diferente. De repente, pneumonias, septicémias e infeções de feridas - que antes matavam em grande número - passaram a ter tratamento eficaz. Os antibióticos começaram então a ser usados de forma muito ampla: na medicina humana, na produção animal e, em alguns casos, até de modo preventivo.

Foi precisamente essa utilização generalizada que agravou o reverso da medalha. As bactérias multiplicam-se depressa e, a cada geração, surgem mutações ao acaso. Quando os antibióticos entram em contacto com estas populações, os microrganismos sensíveis morrem; os poucos que, por acaso, já são resistentes sobrevivem, espalham-se e transmitem os seus mecanismos de defesa. Assim, pouco a pouco, aparecem agentes patogénicos capazes de resistir até a terapêuticas em doses elevadas.

"A humanidade consumiu antibióticos durante décadas como se fossem um detergente multiusos - e agora a evolução está a contra-atacar."

Hoje, médicos em hospitais de todo o mundo deparam-se com as chamadas superbactérias: bactérias insensíveis a várias classes de fármacos ao mesmo tempo. Há infeções que já só se conseguem abordar com medicamentos de reserva mais tóxicos - ou, nalguns casos, nem isso.

Uma pandemia silenciosa: milhões de mortes por agentes resistentes

As estimativas apontam para cerca de 1,1 milhões de mortes por ano, neste momento, associadas a infeções em que os antibióticos disponíveis falham. Se nada mudar, até 2050 o número poderá atingir até oito milhões de óbitos anuais - mais do que todas as formas de cancro juntas.

Dois agentes problemáticos surgem com frequência no centro das atenções:

• Neisseria gonorrhoeae: provoca gonorreia e já apresenta resistência contra quase todas as terapêuticas padrão.
• Staphylococcus aureus: normalmente habita a pele sem causar problemas, mas certas estirpes tornaram-se insensíveis à meticilina e podem desencadear septicémias graves e pneumonias.

Ainda assim, estes exemplos são apenas a ponta do icebergue. Dezenas de espécies bacterianas caminham na mesma direção. A resistência avança mais depressa do que cresce o nosso “armário” de medicamentos. Muitas classes de fármacos, hoje, lembram uma armadura de cavaleiro 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 no mundo apenas doze novos antibióticos. A maioria são variações de famílias já conhecidas, para as quais as bactérias, em parte, já desenvolveram estratégias. Substâncias verdadeiramente novas continuam a ser raras.

As razões são várias:

• Custos extremamente elevados: criar um antibiótico novo implica investimentos de milhares de milhões e, muitas vezes, mais de dez anos de trabalho.
• Utilização limitada: quanto mais eficaz é um novo medicamento, mais contido é o seu uso para atrasar resistências - o que reduz receitas.
• Regras rigorosas: ensaios clínicos em doenças infecciosas são complexos, eticamente sensíveis e fortemente regulados.

Para muitas farmacêuticas, este campo deixou simplesmente de ser atrativo. O dinheiro migra para áreas mais rentáveis, como a oncologia ou as doenças raras. O resultado é direto: enquanto a ameaça cresce, a “pipeline” de novos princípios ativos vai secando.

IA como fator decisivo: procurar medicamentos em alta velocidade

É aqui que a IA entra com força. O princípio é simples: se os métodos clássicos de laboratório são lentos e caros, algoritmos que aprendem com dados podem acelerar drasticamente a descoberta de novas substâncias.

Um exemplo conhecido vem de uma equipa do Massachusetts Institute of Technology, liderada pelo biomedicista James Collins. O grupo treinou um modelo com praticamente tudo o que a farmacologia aprendeu, ao longo de cem anos, sobre antibióticos: estruturas químicas, mecanismos de ação, efeitos tóxicos, características das paredes celulares bacterianas e proteínas.

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

A partir daí, o sistema percorreu bibliotecas virtuais de moléculas. Em vez de testar cada substância no tubo de ensaio, o algoritmo simula a interação com bactérias, estima probabilidades de sucesso e seleciona os candidatos mais promissores.

45 milhões de estruturas, 36 milhões de novos candidatos

Num único ciclo, o modelo avaliou cerca de 45 milhões de estruturas químicas já conhecidas. Com base nos padrões mais promissores, gerou depois 36 milhões de compostos novos, nunca antes sintetizados - tudo por via computacional, sem uma única operação de pipetagem.

A equipa reduziu essa lista a um conjunto viável, produziu as substâncias no laboratório e testou-as contra estirpes bacterianas reais. No final, restaram dois compostos que se revelaram altamente eficazes contra agentes resistentes e que atacavam alvos totalmente novos.

À primeira vista, dois “acertos” em 36 milhões de estruturas recém-criadas pode parecer pouco. No desenvolvimento de fármacos, porém, é considerado um triunfo: muitos programas tradicionais prolongam-se por anos e acabam sem que um único candidato ultrapasse a fase pré-clínica.

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

A abordagem do MIT é apenas uma peça do puzzle. Em simultâneo, equipas em todo o mundo trabalham com outros sistemas de IA que podem vir a ser decisivos na investigação de antibióticos.

Ferramenta de IA	Função principal
AlphaFold	Calcula a estrutura 3D de proteínas, para compreender melhor pontos de ataque nas bactérias.
Modelos AMR-AI	Preveem como as resistências podem espalhar-se e que mutações são mais prováveis.
Algoritmos de rastreio	Vasculham grandes bibliotecas químicas à procura de substâncias desconhecidas com potencial antibacteriano.

A vantagem destes sistemas está na combinação entre velocidade e reconhecimento de padrões. A IA condensa décadas de conhecimento experimental em modelos computacionais e evidencia relações que até investigadores experientes poderiam não notar. E alivia o trabalho dos laboratórios ao deixar para testes demorados apenas os candidatos com maior probabilidade de sucesso.

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

Mesmo com progressos, uma coisa é evidente: a IA, por si só, não termina a crise das resistências. Qualquer substância nova pode, mais cedo ou mais tarde, ser contornada pelos truques evolutivos das bactérias. Sem mudar a forma como usamos antibióticos, o ciclo repete-se.

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

• regras mais apertadas para a utilização em medicina humana e veterinária,
• melhores padrões de higiene nos hospitais,
• diagnósticos mais rápidos, para que os médicos tratem com maior precisão,
• incentivos financeiros para que as empresas invistam em projetos de antibióticos, apesar do risco.

A IA altera o ponto de partida desta corrida: em vez de gastar anos apenas para encontrar um candidato, os investigadores conseguem, em poucos dias, gerar listas de potenciais fármacos e avançar de imediato para a análise detalhada.

O que os doentes já notam - e o que ainda está para chegar

No dia a dia, os doentes raramente ouvem falar de IA neste contexto. A maior parte das aplicações fica nos bastidores: em laboratórios de investigação, nos hospitais e em equipas de bioinformática nas universidades. A longo prazo, ainda assim, podem surgir mudanças visíveis.

Por exemplo, poderão tornar-se mais comuns:

• terapêuticas muito mais ajustadas ao agente causador,
• tratamentos mais curtos graças a fármacos melhor selecionados,
• novos medicamentos para infeções em que, até agora, quase nada resultava.

Ao mesmo tempo, cresce a responsabilidade associada ao uso destas tecnologias. Modelos treinados de forma incorreta ou com dados incompletos podem levar a avaliações perigosas. Por isso, controlos de qualidade rigorosos e conjuntos de dados transparentes são indispensáveis.

Quem até aqui associava o termo antibiorresistência sobretudo a artigos especializados terá de se habituar a vê-lo no fluxo habitual de notícias. As superbactérias não dizem respeito apenas a unidades de cuidados intensivos em países distantes: afetam também cirurgias comuns, pneumonias ou simples infeções urinárias em hospitais europeus. A IA dá à medicina um avanço de tempo de que ela precisa com urgência - o resto terá de ser assegurado por políticas públicas, pelo sistema de saúde e pelo uso responsável de antibióticos por cada pessoa.

---