IA e antibióticos: um novo começo contra superbactérias

Enquanto antibióticos consagrados vão perdendo a eficácia, pesquisadores recorrem à IA para um recomeço radical na luta contra superbactérias.

Há quase 100 anos, a medicina moderna se apoia em antibióticos. Só que essa “arma milagrosa” está ficando menos eficiente: cresce o número de bactérias que não respondem mais, e algumas infecções se tornam difíceis - ou quase impossíveis - de tratar. Nesse cenário, um novo aliado ganhou lugar central nos laboratórios: a inteligência artificial (IA), capaz de organizar bilhões de pontos de dados em um ritmo muito mais rápido do que qualquer equipe conseguiria testar bancada por bancada.

Como nós mesmos desgastamos nossa arma mais forte contra bactérias

Quando Alexander Fleming observou o efeito da penicilina, em 1928, a medicina entrou em outra era. Doenças como pneumonia, sepse e infecções de feridas - que antes matavam muita gente - passaram a ter cura. A resposta foi um uso amplo de antibióticos: na saúde humana, na criação de animais e, em alguns contextos, até de forma preventiva.

Essa estratégia acelerou o lado negativo. Bactérias se multiplicam em alta velocidade, e cada nova geração traz mutações aleatórias. Ao expor essas populações a antibióticos, os micróbios sensíveis morrem; os poucos que, por acaso, já eram resistentes sobrevivem, se espalham e transmitem seus mecanismos de proteção. Com o tempo, surgem patógenos que aguentam até tratamentos em doses altas.

"A humanidade passou décadas consumindo antibióticos como se fossem um limpador multiuso - agora a evolução contra-ataca."

Hoje, médicos no mundo todo se deparam com as chamadas superbactérias: bactérias que não respondem a várias classes de medicamentos ao mesmo tempo. Em certos casos, a infecção só cede com fármacos de reserva mais tóxicos - e, em outros, já não há opção eficaz.

Uma pandemia silenciosa: milhões de mortes por patógenos resistentes

Estimativas indicam que, atualmente, cerca de 1,1 milhões de pessoas morrem por ano em infecções nas quais os antibióticos disponíveis falham. Se nada mudar, esse número pode chegar a até oito milhões de mortes anuais até 2050 - mais do que todas as formas de câncer somadas.

Entre os alvos mais recorrentes nas pesquisas, dois patógenos aparecem com frequência:

• Neisseria gonorrhoeae: causa gonorreia e já apresenta resistência contra quase todos os tratamentos padrão.
• Staphylococcus aureus: em geral, vive na pele sem causar problema, mas algumas linhagens não respondem à meticilina e podem provocar sepse e pneumonia graves.

E esses dois são apenas a ponta do iceberg. Dezenas de espécies bacterianas caminham na mesma direção. A resistência avança mais rápido do que a nossa capacidade de abastecer o “armário” de remédios. Muitas classes de antibióticos, na prática, lembram uma armadura medieval cheia de furos - onde os micróbios continuam encontrando novas brechas.

Por que quase não chegam novos antibióticos ao mercado

Entre 2017 e 2022, apenas doze antibióticos receberam aprovação no mundo. A maior parte são variações de famílias já conhecidas, para as quais as bactérias, em parte, já desenvolveram estratégias de escape. Substâncias realmente inovadoras são raras.

Há várias explicações para isso:

• Custos extremamente altos: criar um novo antibiótico consome bilhões e, muitas vezes, leva mais de dez anos.
• Uso limitado: quanto mais eficaz é um medicamento novo, mais cauteloso tende a ser o seu uso médico, para retardar resistências - o que reduz a receita.
• Regras rigorosas: ensaios clínicos em infectologia são complexos, sensíveis do ponto de vista ético e fortemente regulados.

Para muitas farmacêuticas, esse campo deixou de ser financeiramente atraente. O capital migra para áreas com maior retorno, como câncer ou doenças raras. Resultado: enquanto a ameaça cresce, a “linha de produção” de novos antibióticos vai secando aos poucos.

IA como virada de jogo: buscar medicamentos em ritmo acelerado

É exatamente aqui que a IA entra. A lógica é simples: se métodos clássicos de laboratório são lentos e caros demais, algoritmos de aprendizado podem encurtar drasticamente o caminho até novos compostos.

Um caso de destaque vem de um grupo do Massachusetts Institute of Technology, liderado pelo biomedicista James Collins. A equipe alimentou um modelo com praticamente tudo o que a farmacologia reuniu em cerca de 100 anos sobre antibióticos: estruturas químicas, mecanismos de ação, efeitos tóxicos, características de paredes celulares bacterianas e proteínas.

"A IA aprende a reconhecer, na geometria da estrutura de uma molécula, o padrão de um antibiótico potencial - de modo parecido com um programa de reconhecimento facial que encontra padrões em imagens."

Com essa base, o sistema passou a examinar bibliotecas virtuais de moléculas. Em vez de testar cada substância em tubos e placas, o algoritmo simula a interação com bactérias, estima as chances de sucesso e separa os candidatos mais promissores.

45 milhões de estruturas, 36 milhões de novos candidatos

Em uma rodada, o modelo avaliou cerca de 45 milhões de estruturas químicas já conhecidas. A partir dos padrões mais promissores, gerou depois 36 milhões de compostos novos - ainda não sintetizados - tudo de forma computacional, sem um único passo de pipetagem.

Depois, os pesquisadores selecionaram um conjunto viável, produziram essas moléculas no laboratório e as colocaram à prova contra cepas bacterianas reais. No fim, restaram duas substâncias que, de fato, foram altamente eficazes contra patógenos resistentes e exploravam pontos de ataque totalmente novos.

À primeira vista, dois acertos em 36 milhões de estruturas recém-geradas pode parecer pouco. Na prática do desenvolvimento de fármacos, porém, isso é visto como um grande resultado: muitos projetos tradicionais passam anos em andamento e terminam sem que sequer um candidato ultrapasse a fase pré-clínica.

AlphaFold, AMR-AI e companhia: a IA ataca a crise por vários ângulos

O caminho do MIT é apenas uma peça do quebra-cabeça. Em paralelo, equipes ao redor do planeta trabalham com outros sistemas de IA que podem ser decisivos para a pesquisa de antibióticos.

Ferramenta de IA	Função principal
AlphaFold	Calcula a estrutura 3D de proteínas para entender melhor alvos dentro das bactérias.
Modelos AMR-AI	Preveem como resistências podem se espalhar e quais mutações têm maior probabilidade de surgir.
Algoritmos de triagem (screening)	Vasculham grandes bibliotecas químicas em busca de substâncias desconhecidas com potencial antibacteriano.

A vantagem desses sistemas está na união entre velocidade e detecção de padrões. A IA transforma décadas de experiência de laboratório em modelos computacionais e aponta relações que até pesquisadores experientes poderiam não notar. Além disso, reduz a carga de trabalho ao deixar para testes caros e demorados apenas os candidatos com maior chance.

O que a IA consegue - e o que ela não consegue

Mesmo com avanços, uma coisa é certa: a IA, sozinha, não encerra a crise de resistência. Qualquer nova molécula pode, mais cedo ou mais tarde, ser contornada por truques evolutivos das bactérias. Sem mudar a forma de usar antibióticos, a corrida continua.

Para que essas ferramentas tenham efeito real, também é necessário:

• regras mais rígidas para o uso na medicina humana e na criação de animais;
• melhores padrões de higiene em hospitais;
• diagnósticos mais rápidos, para que médicos tratem com mais precisão;
• incentivos financeiros para que empresas assumam o risco de investir em projetos de antibióticos.

O que a IA faz é deslocar o ponto de partida da disputa: em vez de gastar anos só para encontrar um candidato, pesquisadores podem produzir em poucos dias listas de moléculas potenciais e partir imediatamente para análises detalhadas.

O que os pacientes já percebem - e o que ainda está por vir

Na rotina dos pacientes, o termo IA ainda aparece pouco nesse contexto. A maioria das aplicações roda “nos bastidores”: em laboratórios de pesquisa, em hospitais e em departamentos de bioinformática de universidades. No longo prazo, porém, as mudanças podem ficar mais visíveis.

Alguns efeitos possíveis incluem:

• terapias muito mais ajustadas ao patógeno específico;
• tratamentos mais curtos, graças à escolha mais certeira de fármacos;
• novos medicamentos para infecções contra as quais quase não havia alternativas.

Ao mesmo tempo, aumenta a responsabilidade no uso dessas tecnologias. Modelos treinados de forma inadequada ou com dados incompletos podem levar a avaliações perigosas. Por isso, controles de qualidade rigorosos e conjuntos de dados transparentes são indispensáveis.

Quem antes via o termo resistência a antibióticos apenas em textos técnicos terá de se acostumar a encontrá-lo no noticiário comum. Supermicróbios não dizem respeito só a UTIs em países distantes, mas também a cirurgias rotineiras, pneumonias ou infecções urinárias aparentemente simples em hospitais europeus. A IA dá à medicina uma vantagem de tempo muito necessária nessa corrida - o restante depende de políticas públicas, do sistema de saúde e do uso responsável de antibióticos por todos.

---