Inteligência Artificial contra a resistência aos antibióticos: esperança para travar a crise até 2050

Os hospitais reportam com cada vez mais 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. Parte das expectativas recai agora sobre a Inteligência Artificial (IA, também referida como AI): a promessa é ajudar a descobrir novos princípios ativos e abrandar o crescimento da resistência aos antibióticos.

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

Quando se percebeu o efeito da penicilina, no final da década de 1920, iniciou-se uma das maiores viragens da história da medicina. De um momento para o outro, tornou-se possível tratar pneumonias, septicemias e infeções de feridas que, até então, acabavam muitas vezes em morte. Durante décadas, os antibióticos foram vistos como uma arma quase perfeita.

Precisamente por terem funcionado tão bem, acabaram por criar um problema enorme: em muitos países, passaram a ser receitados com demasiada facilidade - em infeções virais, constipações ligeiras, na pecuária intensiva e, em alguns casos, até de forma profilática. As bactérias que, por acaso, toleravam o fármaco ganharam vantagem, multiplicaram-se e transmitiram os seus mecanismos de defesa.

Ao longo desta seleção, repetida por inúmeras gerações, surgiram gradualmente os chamados “superbactérias”: estirpes resistentes a várias classes de antibióticos ao mesmo tempo. E não aparecem apenas em hospitais; também se encontram em lares, na agricultura e no ambiente.

"A resistência aos antibióticos evolui claramente mais depressa do que novos medicamentos chegam ao mercado - e esta corrida ameaça ser perdida de forma evidente por nós."

Resistência aos antibióticos: milhões de mortes - e uma visão sombria para 2050

As estimativas mais recentes apontam que, a nível mundial, cerca de 1,1 milhões de pessoas morrem todos os anos diretamente devido a infeções contra as quais os antibióticos mais comuns já quase não têm efeito. Se forem somadas as consequências indiretas, o total sobe de forma considerável.

Vários estudos alertam que, se nada de estrutural mudar, este número pode aumentar até 2050 para até oito milhões de mortes por ano. Nesse cenário, as infeções resistentes passariam a tirar mais vidas do que todos os tipos de cancro juntos atualmente.

Alguns agentes patogénicos problemáticos são particularmente acompanhados de perto:

• Neisseria gonorrhoeae: bactéria responsável pela infeção sexualmente transmissível gonorreia, que se tornou pouco sensível a muitos antibióticos padrão.
• Staphylococcus aureus (MRSA): frequentemente presente na pele e inofensiva em pessoas saudáveis, mas certas estirpes resistem a substâncias essenciais e podem provocar infeções graves de feridas ou do sangue.

Estes nomes são apenas a parte visível do problema. Por trás deles existe um conjunto de dezenas de outros microrganismos que, passo a passo, se foram afastando do alcance dos medicamentos de que dispomos.

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

O desenvolvimento de novos antibióticos tem avançado muito pouco nos últimos anos. Entre 2017 e 2022, foram aprovados em todo o mundo apenas 12 novos princípios ativos - e a maioria eram variações de substâncias já conhecidas. Para muitas bactérias, isso significa que já existem estratégias de resposta.

As razões são diretas e difíceis de contornar:

• Um princípio ativo verdadeiramente novo costuma exigir mais de dez anos de investigação.
• O processo consome verbas de milhares de milhões.
• Para continuarem eficazes, os antibióticos devem ser usados o mínimo possível - o que reduz as receitas dos fabricantes.
• Ensaios com doentes em estado grave são dispendiosos e regulados como muito poucas áreas.

Por isso, muitas farmacêuticas afastaram-se da investigação em antibióticos. O resultado é claro: mesmo com a necessidade a aumentar, os grandes grupos mantêm, comparativamente, pouca atividade nas suas pipelines.

"Estamos perante um paradoxo médico: precisamente porque precisamos urgentemente de novos antibióticos, é quando menos compensa financeiramente às empresas desenvolvê-los."

Como a IA (AI) analisa milhões de substâncias enquanto os investigadores dormem

É aqui que a Inteligência Artificial entra em cena. Em vez de testar molécula a molécula, de forma gradual, as equipas científicas alimentam algoritmos com volumes gigantescos de dados de química, biologia e medicina.

Um exemplo: uma equipa do Massachusetts Institute of Technology treinou um modelo com tudo o que a farmacologia sabe sobre antibióticos - estruturas químicas, mecanismos de ação, composição bacteriana e perfis de toxicidade.

Dessa forma, o sistema aprendeu a identificar padrões: que formas geométricas e grupos atómicos sugerem atividade antimicrobiana e quais apontam no sentido contrário. Com essa “experiência”, a IA passou a conseguir avaliar novas estruturas químicas.

Em vez de cultivar cada substância em laboratório e testá-la contra bactérias, o programa calcula a probabilidade de sucesso:

• Cerca de 45 milhões de estruturas moleculares conhecidas ou teóricas foram testadas virtualmente.
• Por simulação, a IA estimou quão bem cada substância se liga a alvos específicos na bactéria.
• Os candidatos mais promissores foram alterados, ampliados ou recombinados de forma dirigida.

Assim, foram geradas cerca de 36 milhões de novas ligações, até então desconhecidas - não num tubo de ensaio, mas primeiro no computador.

Dois acertos - e, ainda assim, um êxito científico

Depois, uma pequena parte desses “moléculas virtuais” foi realmente sintetizada e avaliada em laboratório. O resultado: duas substâncias mostraram atividade comprovada contra microrganismos particularmente resistentes e atacaram-nos de uma forma claramente diferente das classes de antibióticos existentes.

À primeira vista, dois resultados úteis em 36 milhões parecem uma taxa quase insignificante. Na prática, é um avanço notável, porque muitos programas tradicionais de descoberta de fármacos terminam, após anos, sem produzir sequer uma única substância capaz de chegar a testes clínicos iniciais.

"A IA mostra que não faltava necessariamente conhecimento - faltava era a capacidade de o vasculhar depressa o suficiente."

Outras ferramentas de IA (AI): da dobragem de proteínas à previsão de resistências

Para além destes algoritmos de busca, há outros sistemas com papel central. Um dos mais falados é o AlphaFold, uma IA capaz de prever a estrutura espacial de proteínas. Para a investigação em antibióticos, isto é decisivo: só ao saber como uma proteína bacteriana é, em 3D, é possível desenhar um fármaco que encaixe exatamente no ponto certo.

Em paralelo, estão a ser desenvolvidos modelos para antecipar a evolução das resistências. Sob a designação AMR-AI (Antimicrobial Resistance AI), programas calculam que mutação poderá impor-se a seguir numa estirpe e como esse risco varia consoante o uso de um antibiótico específico.

Este tipo de informação pode ajudar os hospitais, por exemplo, a:

• planear terapêuticas de modo a favorecer o menos possível estirpes resistentes;
• detetar cedo quais os microrganismos que podem tornar-se um problema dentro da instituição;
• direcionar medidas de higiene para os agentes patogénicos mais perigosos.

Oportunidades, limites e o que as pessoas doentes podem fazer

Mesmo que a IA esteja a criar um novo impulso de esperança, não é uma solução milagrosa. Cada potencial princípio ativo continua a ter de passar por estudos em animais, ensaios clínicos e processos de aprovação rigorosos. Muitos candidatos identificados pela IA falharão a meio do caminho - por efeitos adversos, falta de estabilidade ou dificuldades práticas de fabrico e dosagem.

Ainda assim, a dinâmica muda: em vez de anos a “tentar por tentar” em bibliotecas químicas, a investigação passa a trabalhar de forma muito mais direcionada. Os recursos laboratoriais são aplicados sobretudo em substâncias com maior probabilidade de resultar.

Ao mesmo tempo, o quotidiano continua a ser determinante. Sem um uso responsável dos antibióticos que já existem, nem a melhor IA evitará que as resistências continuem a crescer. Na prática, isto significa, por exemplo:

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

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

Muita gente associa microrganismos resistentes às unidades de cuidados intensivos. No entanto, já fazem parte do dia a dia: infeções urinárias, otites, feridas com pus - tudo isto se torna mais difícil de tratar quando os medicamentos padrão falham. Intervenções de rotina, como cirurgias à anca ou cesarianas, tornam-se mais arriscadas se as infeções forem difíceis de controlar.

A longo prazo, a IA pode não só contribuir com novos fármacos, como também apoiar o diagnóstico. Programas que analisam resultados laboratoriais, sintomas e registos clínicos conseguem reconhecer padrões que escapam ao olhar humano. Assim, seria possível identificar mais cedo agentes resistentes e iniciar mais rapidamente terapêuticas direcionadas.

Para quem não é da área, termos como estrutura proteica, design molecular ou modelação de resistências podem soar abstratos. Mas o objetivo é muito concreto: garantir que um corte no dedo não evolui para uma septicemia com risco de vida e que uma pneumonia em pessoas idosas continua a ser tratável. A IA já está a trabalhar, discretamente, nesse sentido - com um potencial enorme.

---