Inteligência Artificial contra a resistência aos antibióticos: a corrida para voltar a ganhar vantagem

Os hospitais reportam com cada vez mais frequência infeções em que os medicamentos habituais simplesmente deixam de resultar. Enquanto médicas e médicos trabalham no limite, a investigação procura, com urgência, uma saída. Muitas expectativas recaem agora sobre a Inteligência Artificial (IA): a promessa é ajudar a descobrir novos compostos e travar o crescimento da resistência aos antibióticos.

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

Estimativas recentes apontam que, em todo o mundo, cerca de 1,1 milhões de pessoas por ano morrem diretamente devido a infeções contra as quais os antibióticos comuns já quase não funcionam. Se forem contabilizadas as consequências indiretas, o número é significativamente superior.

Vários estudos alertam que, se nada mudar de forma estrutural, este valor poderá subir até 8 milhões de mortes anuais em 2050. Nesse cenário, as infeções resistentes passariam a causar mais mortes do que todos os cancros em conjunto causam hoje.

Alguns dos principais agentes problemáticos são bem conhecidos:

• Neisseria gonorrhoeae: bactéria responsável pela gonorreia, que se tornou insensível a muitos antibióticos de primeira linha.
• Staphylococcus aureus (MRSA): frequentemente presente na pele e geralmente inofensivo em pessoas saudáveis, mas certas estirpes são resistentes a fármacos importantes e podem provocar infeções graves de feridas ou do sangue.

E estes nomes são apenas a ponta do icebergue: por trás deles existem dezenas de outros microrganismos que, passo a passo, se vão afastando do alcance dos medicamentos disponíveis.

A resistência aos antibióticos evolui muito mais depressa do que novos medicamentos chegam ao mercado - e esta corrida arrisca-se a ser claramente perdida.

Como enfraquecemos, pelas nossas mãos, a arma mais poderosa da medicina

A história de sucesso começou no final da década de 1920, quando se descobriu o efeito da penicilina. De repente, tornou-se possível tratar pneumonias, septicemias e infeções de feridas que antes terminavam frequentemente em morte. Durante décadas, os antibióticos foram vistos como uma arma quase perfeita.

Foi precisamente esse êxito que alimentou um problema gigantesco: em muitos países, os antibióticos passaram a ser prescritos com demasiada facilidade - para infeções virais, constipações ligeiras, na produção animal, e por vezes até de forma preventiva. As bactérias que, por acaso, toleravam a substância tinham vantagem e conseguiam espalhar-se, transmitindo os seus mecanismos de defesa.

Ao longo de muitas gerações, esta seleção acabou por dar origem aos chamados superbactérias: estirpes resistentes a várias classes de antibióticos em simultâneo. E já não se limitam aos hospitais - surgem também em lares, na agricultura e no ambiente.

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

O desenvolvimento de novos antibióticos tem avançado a um ritmo muito lento há anos. Entre 2017 e 2022, apenas doze novos princípios ativos obtiveram autorização a nível mundial - e a maioria eram variações de substâncias já conhecidas. Para muitas bactérias, existem, por isso, estratégias de defesa já “preparadas”.

As razões são simples, mas duras:

• Um princípio ativo verdadeiramente novo exige, em regra, mais de 10 anos de investigação.
• O processo consome milhares de milhões em investimento.
• Os antibióticos devem ser usados o mínimo possível para manterem a eficácia - o que reduz o potencial de lucro para quem os produz.
• Ensaios com doentes gravemente doentes são caros e fortemente regulados, como em poucas outras áreas.

Por isso, muitas farmacêuticas afastaram-se do desenvolvimento de antibióticos. O resultado é paradoxal: mesmo com a necessidade a crescer, as “pipelines” dos grandes grupos avançam pouco.

Enfrentamos um paradoxo médico: quanto mais precisamos de novos antibióticos, menos compensa, financeiramente, às empresas desenvolvê-los.

Descoberta de antibióticos com Inteligência Artificial (IA): milhões de moléculas avaliadas enquanto a equipa dorme

É aqui que a Inteligência Artificial entra com força. Em vez de testar moléculas uma a uma, investigadoras e investigadores treinam algoritmos com enormes volumes de dados de química, biologia e medicina.

Um exemplo frequentemente citado vem de uma equipa do Massachusetts Institute of Technology (MIT), que treinou um modelo com o que a farmacologia já sabe sobre antibióticos: estruturas químicas, mecanismos de ação, características das bactérias e perfis de toxicidade.

Com isso, o sistema aprendeu a detetar padrões: que formas geométricas e grupos de átomos sugerem uma ação antimicrobiana e quais são pouco promissores. A partir desse “aprendizado”, a IA passou a avaliar novas estruturas químicas.

Em vez de cultivar cada substância e testá-la em bactérias logo no laboratório, o programa calcula a probabilidade de sucesso:

• Cerca de 45 milhões de estruturas moleculares conhecidas ou teóricas foram avaliadas virtualmente.
• A IA estimou, por simulação, quão bem cada molécula poderia ligar-se a alvos específicos na bactéria.
• Os candidatos mais promissores foram modificados de propósito - ajustados, ampliados ou recombinados.

Deste processo resultaram aproximadamente 36 milhões de novas ligações/estruturas até então desconhecidas - inicialmente apenas no computador, não no tubo de ensaio.

Dois acertos - e, ainda assim, um grande resultado científico

Uma pequena seleção desses compostos “virtuais” foi depois sintetizada e testada no laboratório. O desfecho foi claro: dois deles mostraram atividade comprovada contra microrganismos particularmente resistentes, atacando-os por um mecanismo que se distingue de forma nítida das classes de antibióticos existentes.

À primeira vista, dois sucessos em 36 milhões pode parecer uma taxa mínima. Na prática, é um resultado notável: muitos programas tradicionais de descoberta de fármacos terminam após anos sem produzir uma única substância que chegue sequer aos primeiros testes clínicos.

A IA sugere que o problema não era necessariamente falta de conhecimento - mas sim a incapacidade de o analisar à velocidade necessária.

Outras ferramentas de IA: de AlphaFold a AMR-AI (previsão de resistência)

Para além dos algoritmos de procura de moléculas, outros sistemas tornaram-se centrais. Um dos mais mediáticos é o AlphaFold, uma IA capaz de prever a estrutura tridimensional de proteínas. Isto é decisivo na investigação em antibióticos: só conhecendo a forma 3D de uma proteína bacteriana se consegue desenhar um composto que “encaixe” exatamente no local certo.

Em paralelo, estão a surgir modelos que tentam antecipar a própria evolução das resistências. Sob o rótulo AMR-AI (Antimicrobial Resistance AI), programas estimam que mutações têm maior probabilidade de dominar a seguir e como esse risco muda consoante o antibiótico utilizado.

Estas previsões podem ajudar hospitais, por exemplo, a:

• planear terapêuticas de modo a não favorecer estirpes resistentes;
• detetar mais cedo que microrganismos podem tornar-se um problema interno;
• direcionar medidas de higiene para os agentes patogénicos mais perigosos.

O que a IA ainda não resolve: limites, validação e o que cada doente pode fazer

Apesar do novo impulso de esperança, a IA não é um milagre. Qualquer candidato a fármaco continua a ter de passar por estudos pré-clínicos, ensaios clínicos e processos de autorização rigorosos. Muitos compostos identificados por IA vão falhar a meio do caminho - por efeitos adversos, falta de estabilidade, ou dificuldades práticas de fabrico e de dosagem.

Ainda assim, a balança muda: em vez de anos de tentativa-e-erro com bibliotecas químicas, a investigação consegue ser muito mais dirigida. O laboratório deixa de desperdiçar recursos em hipóteses fracas e concentra-se em candidatos com maior probabilidade de funcionar.

Ao mesmo tempo, o quotidiano continua a ser determinante. Sem uso responsável dos antibióticos existentes, nem a melhor IA impedirá que a resistência aumente. Na prática:

• tomar antibióticos apenas quando médicas e médicos os consideram realmente necessários;
• completar sempre o tratamento, sem interromper por iniciativa própria ao sentir melhoria;
• não guardar “sobras” nem partilhar comprimidos com outras pessoas;
• em contexto hospitalar, cumprir regras de higiene e desinfetar as mãos com regularidade.

Porque a resistência aos antibióticos afeta toda a gente - e onde a IA ainda pode avançar

Muita gente associa microrganismos resistentes às unidades de cuidados intensivos. Porém, o impacto já está no dia a dia: infeções urinárias, otites médias e feridas com pus tornam-se mais difíceis de tratar quando os medicamentos padrão falham. Até intervenções rotineiras, como uma prótese da anca ou uma cesariana, ficam mais arriscadas quando as infeções deixam de ser controláveis.

A longo prazo, a IA pode não só fornecer novos fármacos, como também melhorar a rapidez do diagnóstico. Sistemas que analisam resultados laboratoriais, sintomas e registos clínicos conseguem identificar padrões que escapam ao olhar humano. Assim, seria possível reconhecer mais cedo um agente resistente e ajustar a terapêutica de forma mais precisa.

Há ainda um aspeto frequentemente subestimado: para que a IA funcione bem, são necessários dados de qualidade e interoperabilidade entre sistemas de saúde - além de regras claras de privacidade e segurança. Sem bons dados (e sem confiança na forma como são usados), a capacidade preditiva degrada-se e a adoção em hospitais torna-se mais lenta.

Por fim, a resposta é necessariamente “Uma Só Saúde” (One Health): humanos, animais e ambiente estão ligados. O controlo do uso de antibióticos na produção animal, a monitorização ambiental e a vigilância em lares e hospitais reduzem a pressão seletiva que cria superbactérias. A IA pode acelerar essa vigilância ao integrar sinais dispersos e detetar tendências antes de se transformarem em surtos.

Termos como estrutura proteica, desenho molecular ou modelação de resistência podem soar abstratos. No fundo, trata-se de algo muito concreto: garantir que um corte no dedo não evolui para uma septicemia e que uma pneumonia numa pessoa idosa continua a ser tratável. A IA já está a trabalhar nisso - discretamente, mas com potencial enorme.