Como a IA pode ajudar a criar novas armas contra superbactérias letais

Os antibióticos foram vistos durante décadas como remédios milagrosos, mas hoje perdem força em ritmo acelerado. Em todo o mundo, microrganismos resistentes se espalham e já colocam até hospitais modernos contra a parede. Por isso, equipes de pesquisa passaram a recorrer cada vez mais à inteligência artificial para vasculhar enormes volumes de dados em busca de substâncias totalmente novas - muito mais depressa do que qualquer pessoa conseguiria.

Por que os antibióticos clássicos já não bastam

Desde a descoberta do efeito da penicilina no fim da década de 1920, a medicina mudou de forma profunda. Pneumonias, septicemias, infecções de feridas: o que antes muitas vezes era fatal, hoje pode ser tratado em muitos casos. O preço desse avanço foi alto: antibióticos passaram a ser prescritos em massa e, com frequência, sem necessidade - na medicina humana, na criação animal e na agricultura.

As bactérias se adaptam a essa ofensiva contínua. Elas se multiplicam com extrema rapidez, trocam material genético entre si e, assim, desenvolvem ao longo das gerações mecanismos de defesa contra quase qualquer substância conhecida. Surgem supermicrorganismos, resistentes a várias classes de antibióticos ao mesmo tempo.

Segundo estimativas, já morrem hoje cerca de 1,1 milhão de pessoas por ano em decorrência de infecções contra as quais nossos medicamentos mais usados quase não funcionam mais.

Se a tendência continuar, até 2050 poderão morrer anualmente até oito milhões de pessoas por infecções bacterianas resistentes - mais do que atualmente se registra somando todos os tipos de câncer. Não se trata de um cenário distante de ficção científica, mas de uma projeção bastante concreta de organizações internacionais de saúde.

Resistência a antibióticos: exemplos perigosos de germes que viram ameaça

Especialistas citam dois agentes infecciosos repetidamente quando falam sobre o agravamento da resistência:

• Neisseria gonorrhoeae: agente da gonorreia, que já se tornou insensível a quase todos os antibióticos padrão.
• Staphylococcus aureus: bactéria comum da pele, cujas variantes resistentes (MRSA) podem provocar infecções graves em feridas, pneumonias ou septicemias.

Esses dois microrganismos representam vários outros agentes bacterianos problemáticos. Muitos patógenos seguem na mesma direção: cada vez mais cepas escapam do efeito dos medicamentos já estabelecidos. Ao mesmo tempo, quase não surgem novos remédios.

Entre 2017 e 2022, apenas doze novos antibióticos receberam autorização de uso no mundo. A maioria deles é apenas derivada de famílias de substâncias já conhecidas. Contra muitas dessas classes, as bactérias há muito tempo criaram estratégias, o que significa que o efeito terapêutico pode nascer limitado desde o início.

Por que a indústria farmacêutica desacelera nos antibióticos

Desenvolver um antibiótico moderno leva, em média, mais de dez anos e consome bilhões. Paradoxalmente, esse investimento mal se paga para muitas empresas. Afinal, um bom antibiótico deve ser usado com muita parcimônia pelos médicos, para retardar ao máximo o surgimento de resistências. Vendas baixas, custos elevados de desenvolvimento e regulação rígida formam um conjunto pouco atraente.

Enquanto as empresas farmacêuticas se voltam para áreas mais lucrativas, como tratamentos contra o câncer ou medicamentos para doenças autoimunes, abre-se aos poucos um vazio no campo dos antibióticos. Ideias novas emperram na fase inicial, e projetos promissores deixam de receber financiamento até o fim. A prática médica, então, fica com um arsenal ultrapassado, superado pela evolução dos microrganismos.

O bloqueio real está menos na falta de conhecimento e mais na limitação para usar esse conhecimento de modo eficiente.

Como a IA acelera a busca por novos antibióticos

É justamente aí que entram as abordagens com apoio de IA. Elas conseguem examinar rapidamente um enorme volume de informações e detectar padrões que os pesquisadores humanos dificilmente enxergariam. Um exemplo conhecido é o AlphaFold, sistema que prevê a estrutura espacial das proteínas. Isso ajuda a entender melhor onde estão os pontos vulneráveis das bactérias.

Ao mesmo tempo, equipes desenvolvem modelos específicos reunidos sob o rótulo AMR-AI (Antimicrobial Resistance AI). Esses algoritmos analisam como os patógenos se alteram geneticamente e como reagem a determinadas substâncias. Assim, torna-se possível simular futuras formas de resistência e selecionar candidatos a fármacos com mais precisão.

O método: testar milhões de moléculas no computador

Pesquisadores liderados pelo biotecnólogo James Collins, no Massachusetts Institute of Technology, aplicaram essa lógica em escala impressionante. Eles treinaram um modelo de IA primeiro com tudo o que a farmacologia havia acumulado ao longo de mais de um século:

• estruturas de antibióticos já conhecidos,
• seus mecanismos de ação,
• características e formas de bactérias relevantes,
• dados sobre toxicidade e tolerabilidade.

Com isso, o sistema aprendeu quais formatos moleculares costumam apresentar ação antibacteriana - uma espécie de “feeling” para candidatos promissores, só que em linguagem matemática. Depois disso, a equipe colocou a IA para vasculhar bibliotecas químicas virtuais.

O resultado: cerca de 45 milhões de estruturas químicas foram avaliadas não em tubos de ensaio, mas apenas por cálculo. A IA estimou a probabilidade de cada substância atacar certas bactérias e de que forma ela interagiria com componentes celulares desses microrganismos. Com base nessas estimativas, o algoritmo criou novas variantes e combinou padrões promissores.

Desse processo surgiram cerca de 36 milhões de novos desenhos moleculares, antes desconhecidos. Uma fração mínima deles foi sintetizada em laboratório e testada em bactérias reais - com um resultado notável.

Dois acertos reais - e ainda assim um avanço

Entre os candidatos escolhidos, duas substâncias mostraram efeito claro contra cepas bacterianas resistentes, e isso com alvos de ação nitidamente diferentes das classes de antibióticos mais usadas. Para o laboratório, “dois em 36 milhões” pode soar como um aproveitamento fraco. Na prática do desenvolvimento de medicamentos, porém, acontece o contrário.

Normalmente, programas caros de desenvolvimento de remédios passam anos sem que sequer uma única substância ultrapasse a etapa decisiva anterior aos estudos clínicos.

O fato de, aqui, terem restado duas opções sérias indica que a limitação principal até agora era técnica: simplesmente não havia como pessoas humanas enxergarem a imensa variedade de combinações químicas. A IA muda esse equilíbrio. Ela faz uma triagem veloz e elimina exatamente as moléculas com maiores chances de funcionar no laboratório.

Isso, claro, não substitui testes em animais, ensaios clínicos nem avaliações de segurança. A IA atua mais como um impulso nas fases iniciais e arriscadas do desenvolvimento, justamente aquelas em que normalmente se desperdiça tempo e dinheiro.

O que a IA consegue - e o que não consegue

A inteligência artificial não vai resolver sozinha a crise dos antibióticos. As bactérias também reagirão a novos princípios ativos e, com o tempo, voltarão a desenvolver resistências. Sem outra postura na prescrição, sem higiene adequada em hospitais, sem diagnósticos melhores e sem uso responsável na criação de animais, o sistema acaba caindo no mesmo impasse.

Ainda assim, a IA muda bastante o ponto de partida. Ela pode:

• ampliar de forma drástica o número de candidatos promissores a fármacos,
• reduzir tentativas fracassadas e becos sem saída caros,
• modelar antecipadamente possíveis mecanismos de resistência,
• combinar novamente medicamentos já conhecidos ou reaproveitá-los para outra finalidade.

Ao mesmo tempo, surgem riscos novos: dados de treinamento distorcidos podem fazer com que certos microrganismos sejam subestimados. Modelos de caixa-preta, por sua vez, muitas vezes não oferecem explicações plausíveis para as sugestões que produzem. Por isso, equipes de pesquisa trabalham em “IA explicável”, capaz de tornar o caminho das decisões mais transparente.

O que pacientes já podem fazer hoje

Enquanto laboratórios e centros de computação desenvolvem as ferramentas do futuro, a desaceleração da onda de resistências começa no dia a dia. Quem usa antibióticos deve:

• utilizá-los apenas com orientação médica clara,
• seguir a dose e o tempo prescritos,
• evitar guardar sobras ou tomar medicamentos por conta própria,
• não insistir por receita em casos de infecções virais, como resfriado ou gripe.

Essas atitudes simples retiram das cepas resistentes parte da vantagem seletiva. Quanto menos contato desnecessário as bactérias tiverem com antibióticos, mais devagar o processo de adaptação avança.

Antibióticos, resistências, IA: alguns termos explicados

Antibiótico: medicamento que inibe ou mata bactérias de forma direcionada. Contra vírus como Covid-19 ou gripe, os antibióticos clássicos não funcionam.

Resistência antimicrobiana: termo geral para o fato de microrganismos - bactérias, fungos, parasitas - se tornarem insensíveis a remédios que deveriam combatê-los.

Supermicrorganismo: expressão usada para patógenos resistentes a várias classes diferentes de substâncias, o que dificulta muito o tratamento.

Busca de substâncias com apoio de IA: uso de algoritmos para identificar padrões em dados químicos e biológicos e, a partir deles, indicar novos candidatos a medicamentos.

A combinação entre experiência médica, pesquisa microbiológica e IA abre para os antibióticos uma perspectiva que, há poucos anos, parecia quase impensável. Se disso surgirá a tempo uma proteção estável contra os supermicrorganismos, dependerá não só da capacidade de cálculo, mas também da vontade política de financiar essas abordagens de forma consistente e de ligá-las ao uso racional dos medicamentos já disponíveis.