IA e antibióticos: como a IA acelera o combate às resistências aos antibióticos

Desde que se percebeu o efeito da penicilina, os antibióticos passaram a ser vistos como uma arma quase infalível. Só que décadas de utilização - muitas vezes excessiva e pouco criteriosa - trouxeram um custo elevado: há cada vez mais microrganismos que já quase não reagem aos medicamentos de primeira linha. Por isso, muitas equipas de investigação estão a apostar em sistemas de IA capazes de fazer, em poucas horas, aquilo que antes exigia anos de trabalho laboratorial.

Quando os antibióticos deixam de resultar: uma pandemia silenciosa

Os antibióticos mudaram a medicina por completo. Sem eles, intervenções cirúrgicas rotineiras, tratamentos oncológicos e até infecções aparentemente simples voltariam a ser situações de alto risco. O problema é que esta base, que parecia sólida, está a perder estabilidade: as bactérias adaptam-se, acumulam mutações e tornam-se resistentes a substâncias que, durante muito tempo, foram consideradas seguras.

Os números são preocupantes. Todos os anos, cerca de 1,1 milhões de pessoas morrem no mundo devido a infecções em que os antibióticos habituais já não funcionam. E há especialistas que estimam que, até 2050, este valor possa chegar a oito milhões de mortes anuais - mais do que todas as formas de cancro somadas.

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

Alguns agentes patogénicos são particularmente inquietantes e já hoje parecem quase impossíveis de travar. Dois exemplos são conhecidos por praticamente qualquer especialista em doenças infecciosas:

• Neisseria gonorrhoeae: bactéria responsável pela gonorreia (blenorragia), actualmente já em grande medida resistente aos antibióticos de primeira escolha.
• Staphylococcus aureus: um habitante comum da pele, geralmente inofensivo, mas cujas variantes resistentes (como o MRSA) podem provocar infecções graves e, por vezes, fatais.

Estes casos são apenas a parte visível do problema. Por trás deles está uma lista cada vez maior de bactérias que, passo a passo, vão neutralizando o arsenal terapêutico disponível. E o desenvolvimento de novos fármacos não está a acompanhar essa velocidade.

Porque é que quase não chegam novos antibióticos ao mercado

Entre 2017 e 2022, foram aprovados no mundo apenas doze antibióticos novos. Quase todos pertencem a famílias de substâncias já conhecidas - o que significa que muitas bactérias já dispõem de mecanismos de defesa mesmo antes de esses medicamentos entrarem plenamente na prática clínica.

Criar um antibiótico verdadeiramente inovador demora frequentemente mais de uma década e custa milhares de milhões. Ao mesmo tempo, médicas e médicos tentam prescrever novos antibióticos com parcimónia, precisamente para atrasar o aparecimento de resistências. Do ponto de vista comercial, isto é pouco atractivo para as farmacêuticas: investimento elevado, retorno incerto e regras de utilização muito restritivas.

"A indústria afastou-se em grande parte da investigação em antibióticos - precisamente no momento em que a necessidade médica está a disparar."

O resultado é um impasse perigoso. Enquanto as bactérias se adaptam a um ritmo quase contínuo, a investigação avança de estudo em estudo, de forma lenta. É aqui que ganhou força, nos últimos anos, uma abordagem diferente: recorrer à IA.

IA no laboratório: de AlphaFold a modelos AMR

Na biomedicina actual, já existem várias ferramentas de IA a acelerar a luta contra agentes patogénicos resistentes, por exemplo:

• AlphaFold prevê a estrutura tridimensional de proteínas - componentes essenciais que desempenham funções vitais nas bactérias. Isso ajuda a identificar com mais precisão potenciais alvos para novos medicamentos.
• Modelos de IA para AMR (Antimicrobial Resistance) analisam dados de hospitais e de laboratório para antecipar como as resistências podem espalhar-se e que combinações de fármacos poderão continuar a ser eficazes.

Estes sistemas processam volumes enormes de conhecimento biológico e químico e extraem padrões que facilmente escapariam a uma análise humana. Por exemplo, conseguem inferir que características tem de ter a estrutura de uma molécula para danificar bactérias de forma fiável - e, ao mesmo tempo, manter a melhor tolerabilidade possível em pessoas.

A abordagem de Boston: 45 milhões de moléculas avaliadas em alta velocidade

No Massachusetts Institute of Technology (MIT), uma equipa liderada pelo investigador em biotecnologia James Collins levou esta lógica mais longe. A premissa é simples: se as bactérias evoluem muito mais depressa do que a investigação tradicional, a medicina precisa de uma ferramenta que consiga acompanhar um ritmo semelhante.

Para isso, o grupo começou por treinar um modelo de IA com o conhecimento acumulado pela farmacologia ao longo de cerca de cem anos sobre antibióticos, incluindo:

• estruturas de fármacos já conhecidos;
• mecanismos de acção e alvos nas bactérias;
• efeitos secundários típicos e perfis de toxicidade.

Desta forma, o sistema aprendeu a reconhecer padrões na disposição espacial dos átomos que sugerem actividade antibacteriana. Depois, a IA foi usada para explorar virtualmente o chamado “espaço químico”, em vez de depender apenas de experiências em bancada.

"45 milhões de estruturas químicas não foram avaliadas em tubos de ensaio, mas sim no computador - em pouco tempo, em vez de em décadas."

Para cada variação, a IA estimou a probabilidade de a molécula conseguir atacar bactérias. Com rondas repetidas e pequenos ajustes nos candidatos mais promissores, foram sendo geradas bibliotecas moleculares de grande dimensão.

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

No final, o processo produziu 36 milhões de novas ligações químicas. Uma parte foi efectivamente sintetizada no laboratório e testada contra bactérias reais. Dois candidatos destacaram-se: mostraram eficácia contra estirpes resistentes e actuaram através de mecanismos completamente diferentes dos antibióticos conhecidos até agora.

À primeira vista, obter dois “acertos” em 36 milhões de tentativas pode parecer pouco. No entanto, na realidade do desenvolvimento de medicamentos, é um resultado relevante. Muitos projectos tradicionais prolongam-se por anos e acabam sem que uma única substância chegue sequer à fase de ensaios clínicos.

Critério	Investigação tradicional	Abordagem apoiada por IA
Número de moléculas testadas	Dezenas de milhares	Dezenas de milhões
Tempo até surgirem primeiros candidatos	Muitos anos	Horas a poucos dias para o screening
Tipo de selecção	Ensaios laboratoriais, intuição, experiência	modelos estatísticos, reconhecimento de padrões

Mesmo assim, estes dois candidatos estão ainda longe de uma autorização de utilização. Têm de passar por testes de toxicidade, sobreviver a ensaios clínicos e demonstrar vantagem face a abordagens concorrentes. Ainda assim, servem para mostrar que o maior obstáculo nem sempre foi uma limitação biológica - mas, muitas vezes, a forma como a investigação estava organizada.

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

A IA não vai fazer desaparecer, por magia, o problema das resistências aos antibióticos. Mais cedo ou mais tarde, as bactérias também reagirão a novos fármacos e acabarão por se adaptar. E o risco de uma utilização descuidada de novos medicamentos acelerar novamente as resistências mantém-se.

Apesar disso, a IA altera o ponto de partida. Três aspectos são determinantes:

• Velocidade: é possível gerar ideias de moléculas em dias, e não em anos.
• Amplitude: os sistemas conseguem explorar zonas do espaço químico que as pessoas dificilmente investigariam de forma direccionada.
• Precisão: os modelos seleccionam desde início moléculas com maior probabilidade de sucesso, reduzindo custos laboratoriais nas etapas seguintes.

Em paralelo, a IA também pode apoiar decisões nos hospitais, ajudando a orientar o uso dos antibióticos disponíveis. Modelos de análise conseguem, a partir de dados de doentes, indicar que terapias falham com mais frequência em determinados agentes patogénicos e em que situações faz sentido mudar o esquema de medicação.

O que as doentes e os doentes devem saber agora

A possibilidade de surgir uma nova geração de antibióticos apoiados por IA não deve distrair do que, hoje, continua a ser a protecção mais eficaz: usar correctamente os medicamentos que já existem. Cada prescrição desnecessária aumenta a pressão evolutiva sobre as bactérias e favorece o aparecimento de resistências.

• Tomar antibióticos apenas quando forem explicitamente prescritos por médicas e médicos.
• Cumprir rigorosamente a duração do tratamento e não interromper antes do tempo por iniciativa própria.
• Não usar “por conta própria” sobras antigas de receitas anteriores.

Ao mesmo tempo, a investigação procura tornar mais claros os mecanismos por trás das resistências. Termos como “multirresistente” ou “antibiótico de reserva” aparecem cada vez mais em relatórios clínicos. “Multirresistente” significa que um microrganismo se tornou insensível a várias classes comuns de antibióticos. Já os antibióticos de reserva são fármacos que devem ser usados apenas em situações limite, para preservar a sua eficácia pelo máximo de tempo possível.

Aqui, a IA pode ter um papel de apoio, por exemplo ao interpretar mais rapidamente dados laboratoriais e ao sinalizar precocemente se um microrganismo já pertence ao grupo dos mais problemáticos. Isso ajuda a fundamentar melhor a decisão de usar - ou evitar - um medicamento de reserva.

A combinação de medidas consistentes de higiene hospitalar, políticas de prescrição rigorosas e novas ferramentas de IA dá à medicina uma segunda oportunidade no combate a agentes patogénicos resistentes. Se será suficiente não depende apenas de algoritmos de alta tecnologia, mas também da responsabilidade com que a sociedade e o sistema de saúde lidarem com esta nova geração de fármacos.