Antibióticos, resistências e IA: como a inteligência artificial encontra novos fármacos

Durante décadas, os antibióticos foram vistos como um remédio quase milagroso; hoje, a sua eficácia está a diminuir a grande velocidade. Em todo o mundo, microrganismos resistentes estão a espalhar-se e a empurrar até hospitais de ponta para o limite. Para contrariar esta tendência, equipas de investigação recorrem cada vez mais à inteligência artificial (IA), capaz de vasculhar volumes gigantescos de dados à procura de compostos totalmente novos - num ritmo inalcançável para qualquer equipa humana.

Porque é que os antibióticos clássicos já não chegam

Desde que, no final da década de 1920, se percebeu o efeito da penicilina, a medicina mudou de forma radical. Pneumonias, sépsis e infecções de feridas - situações que antes terminavam muitas vezes em morte - passaram, em muitos casos, a ter tratamento. Mas este sucesso trouxe um custo: os antibióticos foram prescritos em massa e, não raras vezes, sem necessidade - na medicina humana, na pecuária e na agricultura.

Sob esta pressão constante, as bactérias adaptam-se. Reproduzem-se a uma velocidade extrema, trocam material genético entre si e, ao longo de gerações, constroem mecanismos de defesa contra praticamente todos os fármacos conhecidos. É assim que surgem os chamados “supermicrorganismos”, resistentes a várias classes de antibióticos ao mesmo tempo.

"Segundo estimativas, já hoje morrem cerca de 1,1 milhões de pessoas por ano devido a infecções para as quais os nossos medicamentos habituais quase já não funcionam."

Se a tendência se mantiver, até 2050 poderão morrer, todos os anos, até oito milhões de pessoas por infecções bacterianas resistentes - mais do que actualmente por todos os tipos de cancro somados. Não se trata de um cenário de ficção científica distante, mas de uma previsão muito concreta de organizações internacionais de saúde.

Exemplos perigosos: quando microrganismos comuns se tornam uma ameaça

Quando especialistas descrevem o agravamento da resistência antimicrobiana, dois agentes patogénicos surgem repetidamente como exemplos:

• Neisseria gonorrhoeae: causador da infecção sexualmente transmissível gonorreia, que entretanto se tornou pouco sensível a quase todos os antibióticos padrão.
• Staphylococcus aureus: um habitante frequente da pele, cujas variantes resistentes (MRSA) podem desencadear infecções graves de feridas, pneumonias ou sépsis.

Estes dois microrganismos representam apenas a ponta do icebergue. Há muitos outros a seguir o mesmo caminho: cada vez mais estirpes escapam ao efeito de medicamentos estabelecidos. Em paralelo, quase não entram novos fármacos no mercado.

Entre 2017 e 2022, apenas doze novos antibióticos foram aprovados em todo o mundo. E a maioria não foi verdadeiramente inovadora: são, sobretudo, derivados de famílias de substâncias já conhecidas. Como muitas bactérias já aprenderam, há muito, a contornar essas classes, o benefício terapêutico pode nascer limitado.

Porque é que a indústria farmacêutica trava nos antibióticos

Criar um antibiótico moderno leva, em média, mais de dez anos e exige investimentos de milhares de milhões. O paradoxo é que, para muitas empresas, este esforço quase não compensa. Um antibiótico eficaz deve ser usado com parcimónia para atrasar o aparecimento de resistências; isso significa volumes de venda baixos, precisamente num contexto de custos elevados e regras rigorosas.

Enquanto as farmacêuticas orientam recursos para áreas mais rentáveis - como oncologia ou medicamentos para doenças autoimunes -, a inovação em antibióticos vai abrindo um vazio. Muitas ideias ficam pelo caminho, e projectos promissores não recebem financiamento até ao fim. Na prática clínica, o resultado é um arsenal envelhecido, que a evolução microbiana vai ultrapassando.

"O verdadeiro bloqueio está menos na falta de conhecimento e mais nas possibilidades limitadas de usar esse conhecimento de forma eficiente."

Como a IA acelera a procura de novas substâncias activas

É precisamente aqui que entram as abordagens baseadas em IA. Estes sistemas conseguem analisar, num curto espaço de tempo, uma montanha de informação e detectar padrões que, para investigadores humanos, seriam quase invisíveis. Um exemplo conhecido é o AlphaFold, um sistema que prevê a estrutura tridimensional de proteínas - ajudando a identificar melhor pontos vulneráveis nas bactérias.

Em paralelo, várias equipas desenvolvem modelos específicos sob o rótulo AMR-AI (Antimicrobial Resistance AI). Estes algoritmos estudam como os agentes infecciosos mudam geneticamente e como respondem a determinadas substâncias. Assim, torna-se possível simular futuras trajectórias de resistência e seleccionar candidatos com maior precisão.

A abordagem: “simular” milhões de moléculas no computador

Um grupo liderado pelo biotecnólogo James Collins, no Massachusetts Institute of Technology, aplicou este princípio numa escala impressionante. Primeiro, treinaram um modelo de IA com o que a farmacologia reuniu ao longo de mais de um século, incluindo:

• estruturas de antibióticos conhecidos,
• os seus mecanismos de acção,
• características e formas de bactérias relevantes,
• dados sobre toxicidade e tolerabilidade.

Com isso, o sistema passou a reconhecer que tipos de formas moleculares costumam estar associados a efeito antibacteriano - uma espécie de “instinto” estatístico para detectar bons candidatos. Depois, a equipa pôs a IA a varrer bibliotecas químicas virtuais.

O resultado: cerca de 45 milhões de estruturas químicas foram avaliadas não em laboratório, mas por cálculo. A IA estimou a probabilidade de cada substância atacar bactérias específicas e como poderia interagir com componentes celulares. A partir dessas previsões, o algoritmo gerou novas variações e recombinou padrões considerados promissores.

Dessa etapa saíram cerca de 36 milhões de desenhos moleculares adicionais, até então desconhecidos. Apenas uma fracção mínima foi sintetizada e testada em bactérias reais - e os resultados chamaram a atenção.

Dois acertos reais - e, ainda assim, um avanço

Entre os candidatos seleccionados, duas moléculas mostraram um efeito claro contra estirpes bacterianas resistentes, com alvos de actuação nitidamente diferentes dos das classes de antibióticos mais usadas. À primeira vista, “duas em 36 milhões” pode soar a um rácio decepcionante. No desenvolvimento de medicamentos, porém, o sinal é o oposto.

"Normalmente, programas de desenvolvimento caros prolongam-se durante anos sem que, no final, uma única substância ultrapasse a barreira decisiva antes dos ensaios clínicos."

O facto de aqui terem sobrado duas opções credíveis sugere que a limitação, até agora, era sobretudo técnica: para humanos, é praticamente impossível ter uma visão global da enorme combinatória de estruturas químicas. A IA muda essa relação ao fazer triagem a grande velocidade e ao destacar precisamente as moléculas com maior probabilidade de resultar quando chegam ao laboratório.

Isto não elimina a necessidade de estudos em animais, ensaios clínicos ou avaliações de segurança. A IA funciona mais como um turbo nas fases iniciais - as mais incertas - onde, de forma tradicional, se perde sobretudo tempo e dinheiro.

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

A inteligência artificial não vai resolver sozinha a crise dos antibióticos. As bactérias também se adaptarão a novos fármacos e, a prazo, voltarão a desenvolver resistências. Sem mudanças na prescrição, higiene hospitalar, diagnóstico mais rápido e utilização responsável na pecuária, o problema regressa sob outra forma.

Ainda assim, a IA altera de forma significativa o ponto de partida. Pode:

• aumentar drasticamente o número de candidatos promissores a fármacos,
• reduzir tentativas falhadas e becos sem saída dispendiosos,
• modelar mecanismos de resistência antes de eles se tornarem dominantes,
• recombinar medicamentos conhecidos ou dar-lhes novos usos.

Ao mesmo tempo, surgem riscos adicionais: dados de treino enviesados podem levar a que certos microrganismos sejam subavaliados. E modelos “caixa-preta” muitas vezes não oferecem explicações plausíveis para as suas sugestões. Por isso, várias equipas trabalham em “IA explicável”, para tornar transparentes os passos que conduzem às decisões.

O que as doentes e os doentes já podem fazer hoje

Enquanto laboratórios e centros de computação desenvolvem as ferramentas de amanhã, travar a vaga de resistências começa no quotidiano. Quem toma antibióticos deve:

• usá-los apenas com indicação médica clara,
• cumprir a dose e a duração prescritas,
• evitar guardar antibióticos “para o futuro” e não aproveitar sobras,
• não pressionar por receita em infecções virais como constipação ou gripe.

Medidas simples como estas reduzem parte da vantagem selectiva das estirpes resistentes. Quanto menos contactos desnecessários as bactérias tiverem com antibióticos, mais lento tende a ser o processo de adaptação.

Antibióticos, resistências, IA - alguns termos explicados de forma breve

Antibiótico: medicamento que inibe ou elimina bactérias de forma dirigida. Antibióticos clássicos não actuam contra vírus como a Covid-19 ou a gripe.

Resistência antimicrobiana: termo abrangente para a capacidade de microrganismos - bactérias, fungos, parasitas - se tornarem insensíveis a medicamentos que, em princípio, os deveriam combater.

Supermicrorganismo: designação informal para agentes patogénicos resistentes a várias classes diferentes de substâncias activas, o que dificulta o tratamento.

Procura de fármacos com apoio de IA: utilização de algoritmos para detectar padrões em dados químicos e biológicos e, a partir daí, derivar novos candidatos a medicamentos.

A junção de experiência clínica, investigação microbiológica e IA abre uma perspectiva para a investigação em antibióticos que, há poucos anos, parecia quase impensável. Se daí resultará a tempo uma protecção robusta contra supermicrorganismos, dependerá não só da capacidade de cálculo, mas também da vontade política de financiar estes caminhos de forma consistente e de os articular com um uso sensato dos medicamentos já existentes.

---