A inteligência artificial pode ajudar a recuperar o terreno que a medicina convencional vem perdendo? Com essa tecnologia, cientistas já conseguem examinar milhões de estruturas químicas e encurtar o caminho até a descoberta de novos antibióticos.
A história dessa corrida começou em 1928, quando Alexander Fleming descobriu a penicilina quase por acaso - um marco que abriu uma das revoluções mais decisivas da medicina: a criação dos antibióticos. Com eles, a humanidade passou a controlar doenças antes devastadoras. Durante décadas, pareceram uma arma quase perfeita contra centenas de infecções, e foram utilizados de forma ampla e contínua.
O problema é que bactérias, como qualquer forma de vida, evoluem sob a pressão da seleção natural. Ao empregar antibióticos em grande escala, acabámos impondo - sem intenção - uma força evolutiva gigantesca sobre biliões de microrganismos. As que, por sorte, carregavam uma mutação protetora sobreviveram, multiplicaram-se e repassaram essa vantagem. Repetido por geração após geração (e as bactérias acumulam milhares delas por dia), esse processo foi desgastando o nosso arsenal terapêutico. O resultado é a ascensão de “super-bactérias” resistentes, um fenómeno que infelizmente se torna cada vez mais comum.
Não é por acaso que a OMS (Organização Mundial da Saúde) coloca hoje a antibiorresistência entre as ameaças sanitárias globais mais graves. E criar novos antibióticos para enfrentar linhagens resistentes não é uma saída simples: em muitos casos, isso apenas alimenta o mesmo ciclo vicioso. Soma-se a isso um obstáculo prático: desenvolver um antibiótico pode custar bilhões de dólares, e cerca de uma década pode passar até que chegue ao mercado.
Ainda assim, a medicina ganhou um aliado para acelerar etapas críticas. Ferramentas de inteligência artificial conseguem consolidar décadas de conhecimento terapêutico e biológico e extrair, desse volume, os princípios ativos mais promissores - dando à medicina o fôlego de que ela precisava com urgência. Um exemplo é o AlphaFold, que prevê a estrutura tridimensional de proteínas e ajuda a compreender melhor os alvos moleculares das bactérias. Outro são modelos como o AMR-AI, voltados a prever a evolução biológica de agentes patogénicos.
Antibiorresistência: uma ameaça sanitária global em crescimento acelerado
Todos os anos, cerca de 1,1 milhão de pessoas morrem por infeções causadas por bactérias que os nossos medicamentos já não conseguem eliminar. Se nada mudar, esse total pode chegar a oito milhões de mortes por ano até 2050 - mais do que todas as formas de cancro somadas causam atualmente.
A literatura científica menciona com frequência dois nomes como exemplos particularmente alarmantes da antibiorresistência. O primeiro é Neisseria gonorrhoeae, bactéria responsável pela gonorreia, que hoje resiste a praticamente todos os antibióticos de primeira linha. O segundo é Staphylococcus aureus, microrganismo comum que vive na pele de quase um terço da população mundial sem causar sintomas, mas cujas certas linhagens desenvolveram resistência à meticilina - um antibiótico da família das penicilinas que, por muito tempo, foi considerado tratamento de referência.
Na prática, esses casos são apenas a face mais conhecida de um cenário mais amplo: dezenas de patógenos seguem a mesma trajetória. A resistência de algumas linhagens avança muito mais depressa do que a nossa capacidade de contê-la, pelo menos quando dependemos das técnicas farmacológicas tradicionais e da farmacopéia disponível - que hoje se assemelha a uma armadura perfurada por todos os lados pela adaptação microbiana.
E o ritmo de renovação terapêutica já não acompanha a necessidade. Entre 2017 e 2022, apenas doze novos antibióticos receberam autorização de comercialização, e quase todos eram variações dentro de famílias moleculares já conhecidas - contra as quais as bactérias, em alguns casos, já tinham formas de defesa.
Criar uma molécula verdadeiramente inédita costuma exigir mais de dez anos de pesquisa clínica e investimentos que a indústria farmacêutica aceita cada vez menos. Há uma razão estrutural: um antibiótico eficaz é, por definição, um medicamento que se tenta prescrever o mínimo possível para não acelerar a sua perda de utilidade. Baixa rentabilidade, vida terapêutica incerta, exigências regulatórias muito restritivas e a complexidade dos testes fazem com que a indústria, em certa medida, tenha desistido do problema antes que a ciência o resolvesse.
Super-bactérias e inteligência artificial: o novo “campo de caça” por antibióticos
Foi no Massachusetts Institute of Technology (MIT) que o professor James Collins propôs inverter a lógica: se as bactérias conseguem evoluir mais rápido do que a nossa capacidade de desenvolver e produzir medicamentos, por que não delegar a busca por novos antibióticos a um sistema que consegue trabalhar nessa mesma escala?
Para isso, o modelo foi primeiro treinado com tudo o que a farmacologia acumulou ao longo de um século: estruturas de antibióticos conhecidos, mecanismos de ação, morfologia bacteriana e perfis de toxicidade. O objetivo era ensinar o sistema a identificar, na geometria de uma molécula, sinais que antecipam uma atividade antibacteriana.
Depois de adquirir essa capacidade de abstração, o algoritmo partiu para uma varredura impraticável para qualquer equipa humana: 45 milhões de estruturas químicas foram avaliadas - não em bancada, mas por inferência. Em vez de seguir o ciclo clássico de tentativa e erro, o modelo estimou rapidamente a probabilidade de sucesso de cada estrutura ao simular a interação entre moléculas e bactérias.
Com iterações sucessivas e ajustes na arquitetura molecular dos candidatos mais promissores, o sistema gerou 36 milhões de novos compostos. Nas palavras de James Collins: “Em poucas horas ou poucos dias, conseguimos analisar bibliotecas imensas de compostos químicos para identificar aqueles com atividade antibacteriana.”
Entre os compostos que foram sintetizados e testados contra bactérias reais, dois demonstraram eficácia concreta contra linhagens resistentes, com mecanismos de ação suficientemente diferentes dos antibióticos existentes para contornar - ao menos por algum tempo - as defesas que as bactérias construíram.
À primeira vista, duas moléculas em 36 milhões pode parecer um rendimento extremamente baixo, mas é exatamente o oposto. Em farmacologia e bioinformática, muitos programas de desenvolvimento terminam após anos de trabalho sem que qualquer molécula sequer ultrapasse a etapa pré-clínica. O simples facto de encontrar duas candidatas plausíveis - mesmo ainda sem autorização de mercado - sugere que o bloqueio era, em grande parte, tecnológico e cognitivo: os nossos métodos de pesquisa chegaram ao limite.
Mesmo sendo claro que a inteligência artificial não vai, sozinha, resolver a antibiorresistência, fica cada vez mais evidente que, sem ela, restaria continuar a procurar às cegas, lentamente, a terra incognita onde se escondem os antibióticos de amanhã.
Um ponto adicional - e essencial - é que acelerar a descoberta não elimina a necessidade de uso responsável. Programas de “gestão de antimicrobianos” (antimicrobial stewardship), controle de infeções em hospitais e melhoria de diagnóstico (para reduzir prescrições desnecessárias) são medidas que determinam se um novo antibiótico terá vida útil longa ou se se tornará obsoleto rapidamente.
Além disso, a mesma base computacional que ajuda a criar moléculas inéditas pode apoiar estratégias complementares, como reposicionamento de fármacos, combinação de terapias e desenho de tratamentos mais direcionados ao alvo molecular. Em conjunto com vigilância epidemiológica e políticas públicas, isso aumenta a chance de transformar candidatos identificados por IA em soluções reais e sustentáveis contra as super-bactérias.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário