Como a resistência a antibióticos transformou nossas armas mais fortes contra infecções em algo menos eficaz

Em hospitais de todo o mundo, multiplicam-se infecções contra as quais até antibióticos de reserva já não funcionam. Médicas e médicos falam em “pandemias silenciosas”. Ao mesmo tempo, o desenvolvimento de novos remédios avança a passos lentos. Agora, grandes expectativas recaem sobre a IA moderna, capaz de realizar em poucas horas o que equipes de pesquisa levariam anos para concluir.

Como tornamos nossa arma mais forte contra infecções menos eficaz

Com a descoberta do efeito da penicilina no fim da década de 1920, começou uma história de sucesso da medicina. De repente, passou a ser possível tratar pneumonias, infecções de feridas ou septicemias que antes matavam multidões de pessoas. Durante muito tempo, os antibióticos foram vistos como uma arma milagrosa quase invencível.

Foi justamente esse sucesso que se tornou um problema. Na medicina humana, na criação animal e até na aquicultura, antibióticos foram usados em alguns casos sem reflexão. Cada comprimido, cada infusão colocava as bactérias sob pressão. As que, por acaso, eram mais resistentes sobreviviam e se multiplicavam. Assim, aos poucos, surgiram cepas resistentes - algumas delas extremamente perigosas.

“Antibióticos salvaram milhões de vidas - mas sua vitória acelerou de forma massiva a evolução das bactérias.”

Segundo estimativas atuais, cerca de 1,1 milhão de pessoas morrem hoje por ano em decorrência de infecções contra as quais os antibióticos comuns mal fazem efeito. Se a tendência continuar inalterada, esse número pode chegar a até oito milhões de mortes anuais em 2050. Seria mais mortes do que por todos os tipos de câncer somados.

Superbactérias e resistência a antibióticos: quando os medicamentos padrão não bastam

O problema aparece de forma especialmente clara em dois microrganismos bastante conhecidos, que surgem em quase toda aula de microbiologia como exemplos negativos.

• Neisseria gonorrhoeae: agente causador da gonorreia, uma doença sexualmente transmissível que antes era facilmente tratável. Hoje, muitas cepas já são resistentes a quase todos os antibióticos padrão.
• Staphylococcus aureus: bactéria que vive de forma inofensiva na pele de muitas pessoas. Algumas variantes, porém, desenvolveram resistência a substâncias importantes, como a meticilina, e podem provocar septicemias e pneumonias com risco de vida.

Esses dois exemplos são apenas a ponta do iceberg. Dezenas de outros patógenos seguem o mesmo caminho. As resistências surgem mais rápido do que a pesquisa consegue oferecer novas substâncias ativas. Entre 2017 e 2022, apenas doze novos antibióticos chegaram ao mercado no mundo, e a maioria era uma variação de classes de substâncias já conhecidas. Contra muitos deles, as bactérias já desenvolveram estratégias de defesa.

Por que tão pouco acontece? Desenvolver um antibiótico realmente novo custa bilhões, leva dez anos ou mais - e rende pouco para a indústria. Afinal, um bom antibiótico deve ser prescrito o menos possível, para adiar o surgimento de resistências. Custos altos, prazo incerto e exigências rigorosas: muitas empresas farmacêuticas praticamente se afastaram dessa área.

“Justamente nos medicamentos de que mais precisaremos no futuro, o mecanismo de mercado falha.”

IA como impulso para a busca por novas substâncias ativas

É exatamente aí que a IA entra em cena. Enquanto a pesquisa tradicional testa hipótese por hipótese em laboratório, um algoritmo pode avaliar milhões de moléculas imagináveis em bancos de dados digitais em um tempo curtíssimo. Isso muda o jogo.

Uma equipe de pesquisa do Massachusetts Institute of Technology (MIT) aproveitou essa força. A ideia era simples: se as bactérias se adaptam em alta velocidade, a busca por adversários também precisa ocorrer num ritmo parecido - algo que somente sistemas de IA muito potentes conseguem fazer.

O que os modelos aprendem - e como

Primeiro, as pesquisadoras e os pesquisadores alimentaram o algoritmo com praticamente tudo o que a farmacologia reuniu em cerca de cem anos sobre antibióticos:

• estruturas químicas de substâncias ativas conhecidas
• mecanismos de ação em nível celular
• estrutura e características de diferentes espécies bacterianas
• dados sobre efeitos colaterais e toxicidade

O objetivo era fazer com que o modelo reconhecesse quais características geométricas e químicas de uma molécula estão associadas a forte ação antibacteriana. Desse modo, surge algo como um “instinto” para candidatos promissores - só que descrito matematicamente.

Na etapa seguinte, a equipe deixou a IA trabalhar em enormes bibliotecas virtuais de compostos. Cerca de 45 milhões de estruturas químicas não foram produzidas em laboratório, mas simuladas e avaliadas no computador. O algoritmo calculou a probabilidade de uma substância atacar determinadas bactérias e se ela parecia adequada para isso.

“Em vez de anos de trabalho de laboratório, a IA calcula em poucas horas as chances de sucesso de milhões de moléculas possíveis.”

A partir dessa seleção digital gigantesca, o sistema gerou mais cerca de 36 milhões de novas combinações por meio de variações direcionadas. Apenas uma pequena parte delas foi de fato sintetizada no laboratório e testada em bactérias reais - justamente as que o modelo havia apontado como especialmente promissoras.

Dois acertos - e ainda assim um avanço científico

Entre as substâncias testadas, duas se destacaram por apresentar efeito real contra cepas bacterianas resistentes. Elas atacam os microrganismos de uma maneira diferente da dos antibióticos clássicos. É exatamente isso que as torna interessantes: as bactérias ainda não dispõem de estratégias de defesa sofisticadas contra esses novos mecanismos.

À primeira vista, o resultado parece modesto: dois candidatos entre dezenas de milhões de estruturas. Na prática, porém, trata-se de um sucesso notável. Muitos programas convencionais, apesar de anos de trabalho, nem sequer conseguem chegar a um único candidato realmente relevante.

A busca assistida por IA indica que o que vinha travando o progresso eram menos barreiras biológicas e mais obstáculos técnicos. Dados que antes mal podiam ser avaliados tornam-se, de repente, utilizáveis. E os modelos melhoram continuamente à medida que mais resultados são incorporados a eles.

Outras ferramentas de IA no combate à resistência a antibióticos

O projeto do MIT é apenas uma peça do quebra-cabeça. Em paralelo, surgem em todo o mundo outros sistemas que atacam diferentes partes do problema:

• AlphaFold, da DeepMind: esse modelo de IA prevê a estrutura tridimensional de proteínas. Com isso, é muito mais fácil identificar pontos de ataque em superfícies e enzimas bacterianas.
• Modelos de IA para RAM: eles simulam como os agentes infecciosos podem mudar sob diferentes condições e quais resistências tendem a surgir. Assim, equipes de pesquisa podem planejar estratégias terapêuticas antes que o problema fique clinicamente visível.

O que esses caminhos têm em comum é o fato de reunirem conhecimento biológico já existente e analisá-lo em uma profundidade que equipes humanas sozinhas mal conseguem alcançar. Assim, forma-se um conjunto de ferramentas que devolve fôlego à medicina depois de anos de estagnação.

“A IA não substitui médicas, microbiologistas ou farmacêuticos - ela finalmente lhes devolve tempo e opções.”

O que isso significa para pacientes, hospitais e políticas públicas

Mesmo a melhor IA não resolve o problema da resistência se os antibióticos continuarem sendo usados de forma irresponsável. Novas substâncias precisam vir acompanhadas de estratégias claras para o dia a dia. Isso inclui:

• prescrição mais cautelosa em consultórios e hospitais
• conceitos rigorosos de higiene e isolamento para evitar surtos
• regras estritas para antibióticos na criação animal
• melhor orientação sobre por que uma infecção viral não precisa de antibiótico

Ao mesmo tempo, projetos de IA precisam de financiamento estável e acesso a dados de laboratórios e hospitais. Só assim é possível treinar modelos que retratem situações clínicas realistas. Privacidade e segurança dos dados têm papel central nisso - dados de saúde estão entre as informações mais sensíveis que existem.

Como leigos também influenciam as resistências

Quem recebe uma prescrição de antibiótico também tem responsabilidade. Algumas regras simples fazem diferença:

• não interromper os comprimidos antes da hora só porque os sintomas melhoraram
• não guardar sobras “para usar depois” nem repassar para outras pessoas
• em casos de resfriado ou gripe, aceitar que o mais comum é haver vírus por trás - e antibióticos não ajudam
• no hospital, levar a sério as regras de higiene: desinfecção das mãos, uso obrigatório de máscara em determinados setores e normas de visita

A IA pode abrir novas possibilidades, mas, sem mudança de comportamento, esses novos medicamentos também correm o risco de perder eficácia mais rapidamente do que conseguem ser desenvolvidos.

Por que a corrida contra os microrganismos ainda vai durar muito

Bactérias resistentes fazem parte da biologia. Elas nunca vão desaparecer por completo. O objetivo não é eliminá-las de maneira definitiva, e sim alcançar um equilíbrio o mais estável possível, no qual infecções tratáveis continuem tratáveis.

A IA fornece novas ferramentas para isso: ajuda a encontrar pontos fracos escondidos nas bactérias, combinar terapias, planejar doses de forma mais inteligente e criar sistemas de alerta precoce para resistências em formação. No futuro, hospitais poderão usar algoritmos que recalculam os dados a cada laudo laboratorial e sugerem qual substância tem a melhor chance no caso concreto - ao mesmo tempo em que mantêm o risco de resistência o mais baixo possível.

Se esse plano vai funcionar, isso será decidido nos próximos anos. Uma coisa é certa: sem o uso da IA, a medicina entraria nessa corrida com o freio de mão puxado, disputando uma prova que as bactérias já vencem com frequência demais.