Como a IA pode acelerar novos antibióticos contra superbactérias

Em hospitais de todo o mundo, multiplicam-se infecções em que até os antibióticos de reserva deixam de resultar. Muitas médicas e muitos médicos descrevem este fenómeno como “pandemias silenciosas”. Ao mesmo tempo, a criação de novos medicamentos avança a um ritmo frustrantemente lento. É por isso que a IA moderna concentra agora expectativas elevadas: em poucas horas, pode executar trabalho que, em condições tradicionais, exigiria anos a equipas de investigação.

Como tornámos menos eficaz a nossa arma mais poderosa contra as infecções

No final da década de 1920, ao identificar-se o efeito da penicilina, abriu-se uma era de enorme progresso na medicina. De um momento para o outro, passou a ser possível tratar pneumonias, infecções de feridas ou septicemias que antes levavam muitas pessoas à morte. Durante muito tempo, os antibióticos foram vistos como uma arma quase imbatível.

Paradoxalmente, foi esse sucesso que ajudou a criar o problema actual. Na medicina humana, na produção animal intensiva e até na aquacultura, os antibióticos foram, em certos casos, usados de forma pouco criteriosa. Cada comprimido e cada perfusão aumentaram a pressão selectiva sobre as bactérias. As que, por acaso, tinham maior resistência sobreviveram e reproduziram-se. Ao longo do tempo, formaram-se estirpes resistentes - e algumas tornaram-se extremamente perigosas.

"Os antibióticos salvaram milhões de vidas - mas o seu triunfo acelerou massivamente a evolução das bactérias."

Estimativas recentes indicam que, hoje, cerca de 1,1 milhões de pessoas morrem anualmente devido a infecções contra as quais os antibióticos mais comuns já quase não têm efeito. Se a tendência se mantiver, até 2050 esse número poderá subir para oito milhões de mortes por ano. Seriam mais vítimas do que todas as causadas por todos os tipos de cancro em conjunto.

Superbactérias: quando os medicamentos de primeira linha já não chegam

O problema torna-se particularmente evidente com dois microrganismos bem conhecidos, frequentemente citados como exemplos negativos em aulas de microbiologia.

• Neisseria gonorrhoeae: responsável pela doença sexualmente transmissível gonorreia, outrora fácil de tratar. Actualmente, muitas estirpes já são resistentes a quase todos os antibióticos padrão.
• Staphylococcus aureus: bactéria que, em muitas pessoas, vive de forma inofensiva na pele. No entanto, algumas variantes adquiriram resistências a substâncias importantes, como a meticilina, podendo provocar septicemias e pneumonias potencialmente fatais.

Estes dois agentes são apenas a face mais visível de um problema muito maior. Dezenas de outros patógenos seguem o mesmo caminho. As resistências surgem mais depressa do que a investigação consegue disponibilizar novos princípios activos. Entre 2017 e 2022, chegaram ao mercado mundial apenas doze novos antibióticos, e a maioria são variações de classes já conhecidas. Para muitos deles, as bactérias já desenvolveram formas de defesa.

Por que razão o progresso é tão limitado? Criar um antibiótico verdadeiramente novo custa milhares de milhões, pode demorar dez anos ou mais e, do ponto de vista da indústria, tende a ter retorno reduzido. Um antibiótico eficaz deveria, idealmente, ser prescrito o menos possível para atrasar o aparecimento de resistências. Custos elevados, prazos incertos e regras exigentes: várias farmacêuticas praticamente se afastaram desta área.

"Precisamente nos medicamentos de que mais vamos precisar no futuro, o mecanismo de mercado falha."

IA como acelerador na procura de novos princípios activos

É aqui que a IA entra como factor de mudança. Enquanto a investigação clássica avança passo a passo com testes laboratoriais, um algoritmo consegue avaliar, em bases de dados digitais, milhões de moléculas possíveis num período muito curto. Isso altera as regras do jogo.

Uma equipa de investigação do Massachusetts Institute of Technology (MIT) explorou exactamente essa vantagem. O raciocínio é simples: se as bactérias se adaptam a grande velocidade, então a busca por novos compostos também tem de acompanhar um ritmo semelhante - algo para o qual apenas sistemas de IA muito potentes parecem estar à altura.

O que os modelos aprendem - e de que forma

Antes de mais, as investigadoras e os investigadores alimentaram o algoritmo com praticamente tudo o que a farmacologia acumulou ao longo de cerca de cem anos sobre antibióticos:

• estruturas químicas de substâncias activas conhecidas
• mecanismos de acção ao nível celular
• composição e características de diferentes espécies bacterianas
• dados sobre efeitos secundários e toxicidade

O objectivo era que o modelo identificasse quais os traços geométricos e químicos de uma estrutura molecular que se associam a uma forte acção antibacteriana. Na prática, isto cria uma espécie de “instinto” para candidatos promissores - só que descrito matematicamente.

Na fase seguinte, a equipa colocou a IA a trabalhar em enormes bibliotecas virtuais de compostos. Cerca de 45 milhões de estruturas químicas não foram produzidas em laboratório; foram simuladas e avaliadas por computador. O algoritmo estimou a probabilidade de cada substância atacar determinadas bactérias e se, em teoria, seria adequada.

"Em vez de anos de trabalho de laboratório, a IA calcula em poucas horas as probabilidades de sucesso de milhões de moléculas possíveis."

A partir dessa selecção digital gigantesca, o sistema gerou, por variações dirigidas, mais cerca de 36 milhões de novas ligações/compostos. Apenas uma pequena parte foi efectivamente sintetizada e testada em laboratório, com bactérias reais - precisamente os candidatos assinalados pelo modelo como particularmente promissores.

Dois acertos - e, ainda assim, um avanço científico

Entre as substâncias testadas, destacaram-se duas ligações que demonstraram eficácia contra estirpes bacterianas resistentes. Actuam de forma diferente dos antibióticos clássicos. É isso que as torna relevantes: para mecanismos novos, as bactérias ainda não dispõem, em geral, de defesas tão refinadas.

À primeira vista, o resultado pode parecer modesto: dois candidatos entre dezenas de milhões de estruturas. No entanto, na prática, trata-se de um desempenho notável. Muitos programas convencionais, mesmo após anos de trabalho, não chegam sequer a um único candidato verdadeiramente credível.

A pesquisa suportada por IA sugere que o travão ao progresso não foi tanto biológico, mas sobretudo técnico. Volumes de dados que antes eram quase impossíveis de analisar tornam-se, de repente, úteis. E os modelos melhoram continuamente à medida que novos resultados são incorporados.

Outras ferramentas de IA no combate às resistências

O projecto do MIT é apenas uma peça do puzzle. Em paralelo, estão a surgir outros sistemas no mundo, focados em diferentes partes do problema:

• AlphaFold da DeepMind: este modelo de IA prevê a estrutura tridimensional de proteínas. Assim, torna-se possível identificar com muito mais precisão pontos de ataque em superfícies bacterianas e em enzimas.
• Modelos de IA para AMR: simulam como os agentes patogénicos podem mudar sob diferentes condições e que resistências poderão emergir. Desta forma, a investigação pode planear estratégias terapêuticas antes de o problema se tornar visível na prática clínica.

O elemento comum entre estas abordagens é a capacidade de concentrar conhecimento biológico já existente e analisá-lo com uma profundidade que equipas humanas, por si só, dificilmente alcançariam. Isso cria uma caixa de ferramentas que devolve margem de manobra à medicina após anos de estagnação.

"A IA não substitui médicas, microbiologistas ou farmacêuticos - mas dá-lhes finalmente mais tempo e opções."

O que isto significa para doentes, hospitais e políticas públicas

Mesmo a melhor IA não resolve a resistência aos antibióticos se estes continuarem a ser usados de forma leviana. Qualquer novo princípio activo terá de ser acompanhado por estratégias claras no quotidiano, incluindo:

• prescrição mais criteriosa em clínicas e consultórios
• medidas consistentes de higiene e isolamento para impedir surtos
• regras rigorosas para o uso de antibióticos na produção animal
• melhor esclarecimento público sobre o motivo pelo qual uma infecção viral não requer antibiótico

Em simultâneo, os projectos de IA precisam de financiamento estável e de acesso a dados de laboratórios e hospitais. Só assim se treinam modelos capazes de representar situações clínicas realistas. A privacidade e a segurança da informação são centrais - os dados de saúde estão entre os mais sensíveis.

Como o público em geral também influencia as resistências

Quem recebe uma terapêutica com antibióticos também tem responsabilidade. Algumas regras simples fazem diferença:

• não interromper os comprimidos antes do tempo apenas porque os sintomas melhoraram.
• não guardar sobras “para o caso” nem as dar a outras pessoas.
• em constipações ou gripe, aceitar que, na maioria das vezes, a causa é viral - e antibióticos não ajudam.
• no hospital, cumprir as normas de higiene: desinfecção das mãos, uso de máscara em determinadas unidades, regras de visita.

A IA pode abrir novas possibilidades, mas sem mudanças de comportamento existe o risco de estes novos fármacos perderem eficácia mais depressa do que conseguimos desenvolvê-los.

Porque a corrida contra os micróbios está longe de terminar

As bactérias resistentes fazem parte da biologia e não vão desaparecer por completo. O objectivo não é uma erradicação definitiva, mas sim alcançar um equilíbrio estável em que as infecções tratáveis continuem tratáveis.

Para isso, a IA oferece novas ferramentas: ajuda a descobrir pontos de ataque ocultos nas bactérias, a combinar terapias, a planear dosagens de forma mais inteligente e a criar sistemas de alerta precoce para resistências emergentes. No futuro, hospitais poderão recorrer a algoritmos que, perante cada resultado laboratorial, façam cálculos em paralelo e proponham o medicamento com maior probabilidade de sucesso naquele caso - ao mesmo tempo que mantêm o risco de resistência o mais baixo possível.

Se este caminho vai resultar, ficará claro nos próximos anos. Uma coisa é certa: sem a utilização de IA, a medicina entraria nesta corrida com o travão puxado - e, já hoje, as bactérias ganham demasiado frequentemente.