Como a IA descobre novos superantibióticos: a nossa luta silenciosa contra bactérias resistentes

Hospitais reportam com crescente frequência infeções em que os medicamentos de sempre simplesmente deixam de resultar. Enquanto médicas e médicos trabalham no limite, a investigação procura, com urgência, uma saída. Uma parte substancial das expectativas está agora depositada na Inteligência Artificial (IA): a promessa é acelerar a descoberta de novos fármacos e travar a escalada da resistência aos antibióticos.

Resistência aos antibióticos: milhões de mortes - e um cenário preocupante para 2050

Estimativas recentes apontam que, a nível mundial, cerca de 1,1 milhões de pessoas por ano morrem diretamente de infeções para as quais os antibióticos comuns já têm pouca ou nenhuma eficácia. Se forem incluídos os efeitos indiretos (complicações, internamentos prolongados, cirurgias adiadas, agravamento de doenças), o total sobe de forma significativa.

Estudos alertam que, até 2050, este número poderá alcançar até 8 milhões de mortes anuais se nada de estrutural mudar. Nesse cenário, as infeções resistentes passariam a ceifar mais vidas do que todos os tipos de cancro em conjunto atualmente.

Entre os agentes patogénicos que mais preocupam, destacam-se alguns nomes já bem conhecidos:

• Neisseria gonorrhoeae: bactéria responsável pela gonorreia, que se tornou pouco sensível a vários antibióticos de primeira linha.
• Staphylococcus aureus (MRSA): frequentemente presente na pele e inofensiva em pessoas saudáveis, mas certas estirpes desenvolveram resistência a fármacos essenciais e podem causar infeções graves de feridas ou do sangue.

E isto é apenas a parte visível do problema: por detrás destes exemplos existem dezenas de outros microrganismos que, passo a passo, se afastam do alcance terapêutico dos medicamentos disponíveis.

A resistência aos antibióticos avança claramente mais depressa do que a chegada de novos fármacos ao mercado - e este é um “braço de ferro” que arriscamos perder.

Como enfraquecemos, nós próprios, a nossa arma mais eficaz

A história moderna dos antibióticos começou no final da década de 1920, quando se percebeu o efeito da penicilina - um ponto de viragem na medicina. De repente, tornou-se possível tratar pneumonias, septicemias e infeções de feridas que, antes, terminavam muitas vezes em morte. Durante décadas, os antibióticos foram vistos como uma arma quase perfeita.

Precisamente por terem funcionado tão bem, foram usados em excesso. Em muitos países, passaram a ser prescritos de forma demasiado liberal: em infeções virais, em constipações ligeiras, na criação intensiva de animais, e por vezes até de forma preventiva. Nesse contexto, as bactérias que, por acaso, sobreviviam ao medicamento ganhavam vantagem, multiplicavam-se e transmitiam os seus mecanismos de defesa.

Com esta seleção ao longo de muitas gerações surgiram as chamadas superbactérias - estirpes resistentes a várias classes de antibióticos em simultâneo. E elas não se limitam aos hospitais: também aparecem em lares, na agricultura e no ambiente.

Porque a investigação “clássica” já não chega, por si só

A descoberta e desenvolvimento de novos antibióticos tem avançado lentamente. Entre 2017 e 2022, foram aprovadas no mundo apenas 12 novas substâncias, e a maioria eram variações de compostos já conhecidos - o que significa que muitas bactérias já dispõem de estratégias para contornar esses fármacos.

As razões são diretas e pouco animadoras:

• Um antibiótico verdadeiramente novo exige, em regra, mais de 10 anos de investigação.
• O processo consome milhares de milhões em investimento.
• Para manterem eficácia, os antibióticos devem ser usados o menos possível - o que reduz o potencial de lucro para os fabricantes.
• Ensaios com doentes gravemente doentes são caros e o enquadramento regulamentar é dos mais exigentes.

Perante esta equação, muitas farmacêuticas recuaram na área. O resultado é que, mesmo com necessidades crescentes, há relativamente pouca atividade nas pipelines de grandes grupos.

Estamos perante um paradoxo médico: quanto mais precisamos de novos antibióticos, menor é, em termos financeiros, o incentivo para as empresas os desenvolverem.

Inteligência Artificial e resistência aos antibióticos: a triagem de milhões de moléculas em tempo recorde

É aqui que a Inteligência Artificial entra com força. Em vez de testar molécula a molécula de forma lenta e sequencial, as equipas de investigação alimentam algoritmos com enormes volumes de dados de química, biologia e medicina.

Um caso emblemático: um grupo no Instituto de Tecnologia de Massachusetts (MIT) treinou um modelo com conhecimento farmacológico sobre antibióticos - estruturas químicas, mecanismos de ação, arquitetura bacteriana e perfis de toxicidade.

Desta forma, o sistema aprendeu a reconhecer padrões: que combinações de formas e grupos atómicos sugerem potencial antimicrobiano, e quais tendem a falhar. Depois, a IA passou a avaliar novas estruturas químicas com base nessa aprendizagem.

Em vez de cultivar e testar cada composto no laboratório, o programa estima probabilidades de sucesso:

• Cerca de 45 milhões de estruturas moleculares conhecidas ou teoricamente possíveis foram analisadas virtualmente.
• Através de simulação, a IA estimou quão bem cada substância poderia ligar-se a alvos específicos dentro da bactéria.
• Os candidatos mais promissores foram ajustados: alterados, ampliados ou recombinados de forma dirigida.

Este processo gerou aproximadamente 36 milhões de novas ligações químicas até então desconhecidas - primeiro no computador, e não no tubo de ensaio.

Dois acertos - e, ainda assim, um marco científico

Depois, uma fração pequena desses candidatos virtuais foi efetivamente sintetizada e testada em laboratório. O resultado foi claro: dois compostos demonstraram atividade contra microrganismos particularmente resistentes e atuavam por um mecanismo distinto das classes de antibióticos existentes.

À primeira vista, dois “hits” em 36 milhões pode parecer insignificante. Na prática, é um avanço notável: muitos programas tradicionais de descoberta de fármacos terminam, após anos, sem sequer produzir uma substância que chegue a fases iniciais de ensaios clínicos.

A IA sugere que o problema nem sempre foi falta de conhecimento - foi, muitas vezes, falta de capacidade para o explorar com a rapidez necessária.

Outras ferramentas de IA: da dobragem de proteínas à previsão de resistências

Para além dos sistemas de pesquisa de moléculas, existem outras aplicações decisivas. Uma das mais mediáticas é o AlphaFold, uma IA capaz de prever a estrutura tridimensional de proteínas. Isto é essencial para a investigação em antibióticos: só conhecendo a forma 3D de uma proteína bacteriana se consegue desenhar um fármaco que encaixe no local certo, com precisão.

Em paralelo, têm surgido modelos dedicados à previsão de resistências. Sob o rótulo AMR-IA (Inteligência Artificial para Resistência Antimicrobiana), programas estimam que mutações poderão tornar-se dominantes e como esse risco se altera consoante o antibiótico utilizado.

Na prática, estas previsões podem ajudar hospitais a:

• Planear terapêuticas que minimizem a seleção de estirpes resistentes.
• Identificar mais cedo quais os microrganismos que podem tornar-se um problema no próprio serviço.
• Direcionar medidas de higiene e controlo de infeção para os agentes patogénicos com maior perigo.

O que a IA ainda não resolve - e porque a validação continua a ser indispensável

Apesar do impulso de esperança, a IA não é um milagre. Qualquer candidato a medicamento tem de passar, na mesma, por estudos em animais, ensaios clínicos e processos de aprovação rigorosos. Uma parte considerável das moléculas apontadas pela IA irá falhar pelo caminho - devido a efeitos adversos, instabilidade, dificuldades de fabrico ou problemas de doseamento.

Ainda assim, a balança muda: em vez de anos de tentativa e erro com bibliotecas químicas testadas “às cegas”, a investigação passa a ser muito mais orientada. Os recursos laboratoriais concentram-se em substâncias com maior probabilidade de resultar.

Um passo adicional, muitas vezes subestimado, é a integração da IA na rotina laboratorial: quando combinada com testes rápidos (por exemplo, métodos moleculares e espectrometria), a análise automatizada pode encurtar o tempo entre colheita e decisão terapêutica, reduzindo o uso de antibióticos inadequados - um fator que alimenta a resistência.

Uma resposta que tem de ser “Uma Só Saúde” (One Health), não apenas hospitalar

Há também um lado que não depende de algoritmos: a resistência aos antibióticos é um fenómeno que atravessa pessoas, animais e ambiente. Estratégias de Uma Só Saúde (One Health) - com vigilância integrada, regras para uso de antibióticos na veterinária, gestão de efluentes e monitorização ambiental - tornam-se essenciais para reduzir a pressão seletiva que cria e dissemina superbactérias. A IA pode apoiar esta vigilância ao detetar padrões em grandes volumes de dados, mas as decisões têm de ser políticas, regulatórias e comportamentais.

O que doentes e cidadãos podem fazer, já hoje

Mesmo com melhores ferramentas, nada substitui um uso responsável dos antibióticos. Sem isso, nem a melhor Inteligência Artificial impedirá que as resistências continuem a aumentar. No dia a dia, isso implica:

• Tomar antibióticos apenas quando prescritos e considerados necessários por profissionais de saúde.
• Cumprir o tratamento até ao fim, sem interromper por iniciativa própria ao sentir melhoria.
• Não guardar sobras nem partilhar comprimidos com outras pessoas.
• Em contexto hospitalar, respeitar as orientações de higiene e desinfetar as mãos com regularidade.

Porque a resistência aos antibióticos diz respeito a todos - e onde a IA ainda pode avançar

Muita gente associa microrganismos resistentes às unidades de cuidados intensivos. Porém, o impacto já é quotidiano: infeções urinárias, otites e feridas com pus tornam-se mais difíceis de tratar quando os medicamentos de referência falham. E procedimentos de rotina, como cirurgias à anca ou cesarianas, passam a acarretar mais risco quando uma infeção pós-operatória se torna difícil de controlar.

A médio e longo prazo, a IA poderá não só contribuir com novos antibióticos, como também reforçar o diagnóstico. Sistemas que cruzam resultados laboratoriais, sintomas e registos clínicos conseguem identificar padrões que escapam ao olhar humano, permitindo reconhecer mais cedo agentes resistentes e iniciar uma terapêutica mais dirigida.

Termos como estrutura proteica, desenho molecular ou modelação de resistências podem soar abstratos. No fim, a questão é muito concreta: garantir que um corte num dedo não evolui para uma septicemia e que uma pneumonia numa pessoa idosa continua a ser tratável. A IA já está a trabalhar, de forma discreta, nesse objetivo - com um potencial enorme, mas sem substituir a responsabilidade coletiva no uso de antibióticos.