Crise dos antibióticos: Como a IA descobre novas armas contra bactérias perigosas

A partir do momento em que se percebeu o efeito da penicilina, os antibióticos passaram a ser vistos como uma arma decisiva contra as infeções. No entanto, décadas de utilização prolongada - muitas vezes indiscriminada - tiveram um custo elevado: um número crescente de microrganismos já quase não reage aos fármacos padrão. Para contrariar esta tendência, várias equipas de investigação estão a recorrer a sistemas de IA (Inteligência Artificial) capazes de fazer, em poucas horas, o que antes exigia anos de trabalho laboratorial.

Quando os antibióticos falham: uma pandemia silenciosa de resistência aos antibióticos

A medicina moderna assenta, em grande parte, na eficácia dos antibióticos. Sem eles, procedimentos como cirurgias de rotina, tratamentos oncológicos e até infeções consideradas “simples” voltariam a ter um risco real de morte. Só que este pilar está a enfraquecer: as bactérias adaptam-se, acumulam mutações e tornam-se resistentes a substâncias que, durante muito tempo, funcionaram de forma fiável.

Os números já são alarmantes. Todos os anos, cerca de 1,1 milhões de pessoas morrem no mundo devido a infeções em que os antibióticos habituais deixam de resultar. E há projeções ainda mais sombrias: até 2050, o total pode chegar a oito milhões de mortes por ano - ultrapassando, em conjunto, as mortes por todos os tipos de cancro.

A Organização Mundial da Saúde considera a resistência aos antibióticos uma das maiores ameaças para a saúde no século XXI.

Alguns agentes patogénicos são especialmente preocupantes porque, em muitos contextos, já parecem quase impossíveis de controlar. Dois exemplos bem conhecidos na infecciologia são:

• Neisseria gonorrhoeae: bactéria responsável pela gonorreia, hoje em grande medida resistente aos antibióticos de primeira linha.
• Staphylococcus aureus: muitas vezes um habitante inofensivo da pele, mas variantes resistentes (como o MRSA) podem provocar infeções graves e, por vezes, fatais.

E isto é apenas uma parte do problema. Por detrás destes casos está uma lista cada vez maior de bactérias que, passo a passo, neutralizam o arsenal terapêutico disponível. O desenvolvimento de novos princípios ativos não está a acompanhar a velocidade desta evolução.

Porque quase não chegam novos antibióticos ao mercado

Entre 2017 e 2022, foram aprovados no mundo apenas doze novos antibióticos. E, na sua maioria, esses medicamentos pertencem a famílias de substâncias já conhecidas. Na prática, isto significa que muitos microrganismos já trazem “meios de defesa” preparados antes mesmo de os fármacos entrarem na rotina hospitalar.

Criar um antibiótico realmente inovador costuma demorar mais de uma década e implicar custos de mil milhões. Ao mesmo tempo, por razões clínicas e de saúde pública, as equipas médicas procuram reservar os novos fármacos e prescrevê-los com parcimónia para atrasar o aparecimento de resistências. Para a indústria farmacêutica, o resultado é um modelo pouco atrativo: investimento elevado, retorno incerto e regras de utilização restritivas.

A indústria afastou-se em grande medida da investigação em antibióticos - precisamente quando a necessidade médica está a aumentar de forma explosiva.

O efeito combinado é um impasse perigoso. Enquanto as bactérias continuam a mudar numa escala de horas, muitos programas de investigação avançam lentamente, de estudo em estudo. É aqui que ganha força um caminho alternativo: acelerar a descoberta de fármacos com IA.

IA no laboratório: de AlphaFold a modelos de AMR

Na biomedicina atual, há várias ferramentas de IA a encurtar distâncias no combate a microrganismos resistentes:

• AlphaFold: prevê a estrutura tridimensional de proteínas - componentes essenciais para o funcionamento das bactérias - ajudando a localizar, com maior precisão, potenciais alvos para novos fármacos.
• Modelos de IA para AMR (Resistência Antimicrobiana): processam dados clínicos e laboratoriais para antecipar como as resistências se disseminam e que combinações terapêuticas ainda poderão manter eficácia.

Ao absorverem volumes enormes de conhecimento biológico e químico, estes sistemas conseguem extrair padrões que escapam à análise humana. Por exemplo, inferem que características uma estrutura molecular deve ter para danificar bactérias de forma consistente e, em simultâneo, reduzir a probabilidade de toxicidade para o ser humano.

O método de Boston com IA: 45 milhões de moléculas analisadas a alta velocidade

No Massachusetts Institute of Technology (MIT), uma equipa liderada pelo investigador em biotecnologia James Collins levou esta ideia mais longe. O raciocínio é simples: se os microrganismos evoluem mais depressa do que a investigação tradicional, então a medicina precisa de ferramentas capazes de acompanhar esse ritmo.

Para isso, o grupo treinou um modelo de IA com o conjunto de conhecimentos acumulados em cerca de cem anos de farmacologia aplicada a antibióticos, incluindo:

• estruturas de fármacos já conhecidos;
• mecanismos de ação e alvos nas bactérias;
• efeitos adversos frequentes e perfis de toxicidade.

Com esse treino, o sistema passou a reconhecer padrões na disposição espacial dos átomos que tendem a associar-se a atividade antibacteriana. Depois, a equipa colocou o modelo a explorar virtualmente o “espaço químico”, em busca de novas hipóteses terapêuticas.

45 milhões de estruturas químicas foram avaliadas no computador - em pouco tempo, e não ao longo de décadas em bancada.

Para cada variação, a IA estimou a probabilidade de a molécula atacar bactérias. Repetindo ciclos de seleção e fazendo ajustes pequenos em candidatos promissores, foram sendo criadas bibliotecas enormes de compostos potenciais.

Dois acertos em 36 milhões - e porque isso conta como vitória

No fim do processo, havia 36 milhões de novas moléculas geradas. Uma parte foi escolhida para ser realmente sintetizada e testada em laboratório contra bactérias reais. Desses testes, dois candidatos destacaram-se: funcionaram contra estirpes resistentes e atuaram por vias diferentes das usadas pelos antibióticos tradicionais.

À primeira vista, dois resultados positivos em dezenas de milhões de hipóteses pode parecer pouco. Na realidade, é um sinal forte de eficiência: muitos projetos clássicos arrastam-se durante anos e terminam sem que qualquer substância chegue sequer à fase de ensaios clínicos.

Critério	Investigação tradicional	Abordagem com apoio de IA
Número de moléculas testadas	Dezenas de milhares	Dezenas de milhões
Tempo até surgirem primeiros candidatos	Muitos anos	Horas a poucos dias para o rastreio (screening)
Forma de seleção	Ensaios laboratoriais, intuição, experiência	Modelos estatísticos, reconhecimento de padrões

Ainda assim, estes dois candidatos estão longe de uma aprovação. Precisam de passar por testes de toxicidade, demonstrar segurança e eficácia em estudos clínicos e superar alternativas concorrentes. Mesmo com essas etapas pela frente, o resultado sugere que a barreira principal nem sempre foi biológica - muitas vezes, foi o modo como a investigação estava organizada e limitada em escala.

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

A IA não elimina por magia a resistência aos antibióticos. Mais cedo ou mais tarde, as bactérias também tendem a adaptar-se a novos fármacos. E o risco mantém-se: se uma nova geração de medicamentos for utilizada sem critério, pode acelerar a próxima vaga de resistências.

Ainda assim, a IA altera o ponto de partida em três dimensões-chave:

• Velocidade: novas ideias de fármacos podem ser geradas em dias, em vez de anos.
• Amplitude: é possível explorar áreas do espaço químico que dificilmente seriam investigadas de forma dirigida por equipas humanas.
• Precisão: os modelos conseguem filtrar desde cedo moléculas com maior probabilidade de sucesso, reduzindo custos nas fases laboratoriais seguintes.

Em paralelo, a IA também pode ajudar nos hospitais a gerir melhor os antibióticos existentes. Com base em dados de doentes e resultados microbiológicos, modelos de análise podem indicar em que situações uma terapêutica falha com mais frequência e quando faz sentido ajustar o esquema de medicação.

Um ponto adicional, frequentemente subestimado, é a ligação entre saúde humana, animal e ambiente (abordagem One Health). O uso de antibióticos na produção pecuária, a contaminação ambiental por resíduos farmacêuticos e a circulação global de pessoas e bens contribuem para a disseminação de resistências. Uma estratégia eficaz precisa de integrar vigilância, regulação e boas práticas em todos estes domínios - não apenas dentro dos hospitais.

Também ganhará importância a combinação entre IA e diagnóstico rápido. Quanto mais cedo se identifica o agente causador e o seu perfil de resistência, mais depressa se escolhe o antibiótico adequado (ou se evita prescrever um antibiótico desnecessário). Testes mais rápidos e decisões melhor informadas reduzem o uso “às cegas”, que é um dos motores do problema.

O que as doentes e os doentes devem saber já

A possibilidade de surgirem antibióticos apoiados por IA não altera um facto essencial: hoje, a proteção mais eficaz continua a ser o uso responsável dos medicamentos existentes. Cada prescrição desnecessária aumenta a pressão seletiva sobre as bactérias, favorecendo a resistência.

• Tomar antibióticos apenas quando forem prescritos explicitamente por médicas/os.
• Cumprir rigorosamente a duração do tratamento, sem interromper por iniciativa própria.
• Não usar sobras antigas de tratamentos anteriores por conta própria.

Ao mesmo tempo, a investigação procura tornar mais claros os mecanismos por detrás das resistências. Expressões como “multirresistente” e “antibiótico de reserva” aparecem cada vez mais em relatórios clínicos. Multirresistente significa que um microrganismo deixou de ser sensível a várias classes de fármacos comuns. Já os antibióticos de reserva são medicamentos a utilizar apenas em último recurso, para preservar a sua eficácia o maior tempo possível.

Aqui, a IA pode assumir um papel de apoio prático: interpretar resultados laboratoriais com maior rapidez e sinalizar precocemente se um microrganismo pertence ao grupo de maior risco. Isso ajuda a decidir, com mais fundamento, se faz sentido recorrer (ou não) a um antibiótico de reserva.

No conjunto, a combinação de higiene rigorosa em meio hospitalar, políticas de prescrição exigentes e novas ferramentas de IA dá à medicina uma segunda oportunidade no combate aos agentes resistentes. O sucesso, porém, não dependerá apenas de algoritmos avançados, mas também da forma responsável como o sistema de saúde e a sociedade utilizam esta nova geração de opções terapêuticas.