Crise dos antibióticos: Como a IA encontra novas armas contra superbactérias

Desde que se percebeu o efeito da penicilina, os antibióticos ganharam fama de “arma milagrosa”. Só que décadas de uso contínuo - muitas vezes sem critério - cobraram um preço alto: cresce o número de microrganismos que já quase não se abalam com os remédios padrão. Para reagir a esse cenário, equipas de pesquisa passaram a apostar em sistemas de IA (inteligência artificial) capazes de fazer, em poucas horas, o que antes exigia anos de trabalho de laboratório.

Quando antibióticos falham: a pandemia silenciosa das resistências a antibióticos

Os antibióticos mudaram a medicina por completo. Cirurgias consideradas rotineiras, tratamentos oncológicos e até infeções comuns poderiam tornar-se perigosas sem essas terapias. O problema é que esse alicerce está a perder firmeza: as bactérias adaptam-se, sofrem mutações e tornam-se menos sensíveis a substâncias que, durante muito tempo, foram confiáveis.

Os números ajudam a dimensionar o risco: todos os anos, cerca de 1,1 milhão de pessoas morrem no mundo devido a infeções em que antibióticos amplamente usados já não funcionam. Projeções apontam que, até 2050, o total pode chegar a 8 milhões de mortes por ano - superando, somadas, todas as mortes por cancro.

A Organização Mundial da Saúde considera as resistências a antibióticos uma das maiores ameaças à saúde no século XXI.

Há patógenos que já hoje parecem quase “impossíveis”. Dois exemplos são bem conhecidos por especialistas em infecciologia:

• Neisseria gonorrhoeae: bactéria causadora da gonorreia, atualmente em grande parte resistente aos antibióticos de primeira linha.
• Staphylococcus aureus: em geral vive na pele sem causar problemas, mas variantes resistentes (como MRSA) podem desencadear infeções graves e, por vezes, fatais.

E estes são apenas os mais lembrados. Por trás deles existe uma lista cada vez maior de bactérias que, passo a passo, vão anulando o nosso arsenal terapêutico - enquanto a criação de novos fármacos não acompanha a velocidade do problema.

Por que quase não chegam novos antibióticos ao mercado

Entre 2017 e 2022, apenas doze antibióticos receberam aprovação no mundo. E a grande maioria é derivada de famílias já conhecidas - o que significa que muitas bactérias já carregam estratégias de defesa antes mesmo de os medicamentos entrarem em uso amplo na prática clínica.

Além disso, desenvolver um antibiótico realmente inédito costuma exigir mais de 10 anos e investimentos na casa dos bilhões. Ao mesmo tempo, para reduzir a chance de surgirem novas resistências, profissionais de saúde tendem a reservar moléculas novas para situações específicas e a prescrever com parcimónia. Para a indústria farmacêutica, isso cria um cenário pouco atrativo: custo elevadíssimo, retorno incerto e regras rígidas de uso.

A indústria, em grande medida, afastou-se da pesquisa em antibióticos justamente quando a necessidade médica disparou.

O resultado é uma espécie de travão perigoso: enquanto as bactérias evoluem em ritmo acelerado, a ciência avança lentamente, etapa por etapa. É nesse ponto que um caminho ganhou força nos últimos anos: colocar a IA para acelerar a descoberta de novos compostos.

IA no laboratório: de AlphaFold a modelos AMR

Na biomedicina atual, diferentes ferramentas de IA estão a ser usadas para encurtar o caminho contra microrganismos resistentes, incluindo:

• AlphaFold: prevê a estrutura tridimensional de proteínas - componentes que executam funções essenciais em bactérias. Com isso, torna-se mais fácil localizar alvos promissores para novos fármacos.
• Modelos de IA para AMR (Antimicrobial Resistance): analisam dados de hospitais e laboratórios para estimar como a resistência se espalha e quais combinações de medicamentos ainda podem funcionar.

Esses sistemas absorvem volumes enormes de conhecimento biológico e químico e extraem padrões que seriam difíceis de perceber manualmente. Na prática, conseguem inferir que características uma molécula precisa ter para danificar bactérias com eficácia e, ao mesmo tempo, manter um perfil de segurança mais aceitável para seres humanos.

Um ponto adicional - muitas vezes subestimado - é a integração entre descoberta de fármacos e diagnóstico. Ao tornar mais rápida a interpretação de testes laboratoriais e de sequenciamento, a IA pode ajudar a identificar cedo quais mecanismos de resistência estão presentes, evitando tentativas e erros que custam tempo crítico em infeções graves.

O método de Boston (MIT) com IA e antibióticos: triagem de 45 milhões de moléculas

No Massachusetts Institute of Technology, um grupo liderado pelo investigador em biotecnologia James Collins levou essa lógica ao extremo. A premissa é direta: se as bactérias evoluem mais depressa do que a pesquisa tradicional, a medicina precisa de ferramentas que acompanhem esse ritmo.

Para isso, a equipa alimentou um modelo de IA com praticamente tudo o que a farmacologia acumulou em cerca de 100 anos sobre antibióticos, incluindo:

• estruturas de fármacos já conhecidos;
• mecanismos de ação e alvos bacterianos;
• efeitos adversos comuns e perfis de toxicidade.

Com esse treino, o sistema passou a reconhecer padrões na disposição espacial dos átomos associados a atividade antibacteriana. Depois, a IA foi lançada numa “exploração virtual” do espaço químico, procurando novas possibilidades.

Em vez de testar no tubo de ensaio, 45 milhões de estruturas químicas foram avaliadas por computador - em pouco tempo, e não ao longo de décadas.

Para cada variação, a IA estimou a probabilidade de a molécula atacar bactérias. Em ciclos sucessivos, pequenos ajustes foram feitos nos candidatos mais promissores, criando bibliotecas gigantescas de compostos gerados de forma automatizada.

Dois acertos em 36 milhões - e por que isso é uma boa notícia

Ao final do processo, tinham sido geradas 36 milhões de novas ligações químicas. Uma parte foi, então, sintetizada de verdade e testada em laboratório contra bactérias reais. Dois candidatos destacaram-se: funcionaram contra estirpes resistentes e, sobretudo, atuaram por mecanismos diferentes daqueles usados pelos antibióticos tradicionais.

À primeira vista, “dois em 36 milhões” pode parecer pouco. Mas, no mundo do desenvolvimento de medicamentos, é um resultado expressivo. Muitos projetos clássicos consomem anos e terminam sem produzir sequer uma molécula que chegue aos testes clínicos.

Critério	Pesquisa tradicional	Abordagem com apoio de IA
Número de moléculas testadas	Dezenas de milhares	Dezenas de milhões
Tempo até surgir candidatos iniciais	Muitos anos	Horas a poucos dias (triagem)
Como ocorre a seleção	Ensaios laboratoriais, intuição e experiência	Modelos estatísticos e reconhecimento de padrões

Ainda assim, os dois candidatos estão longe de uma aprovação. Precisam passar por avaliações de toxicidade, atravessar etapas de ensaios clínicos e competir com outras estratégias. Mesmo assim, o avanço sugere algo importante: o maior bloqueio pode não ter sido apenas biológico, mas também a forma como a descoberta de fármacos vinha a ser organizada.

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

A IA não vai “apagar” magicamente as resistências a antibióticos. Mais cedo ou mais tarde, bactérias também respondem a medicamentos novos e podem adaptar-se. E o risco de repetir o erro histórico - usar novas moléculas de modo indiscriminado e acelerar a seleção de resistência - continua real.

Apesar disso, a IA muda o ponto de partida em três aspetos decisivos:

• Velocidade: ideias de fármacos podem ser geradas em dias, e não em anos.
• Amplitude: o sistema consegue explorar zonas do espaço químico que dificilmente seriam priorizadas por investigadores.
• Precisão: desde o início, modelos filtram moléculas com maior probabilidade de sucesso, reduzindo custos de laboratório nas fases seguintes.

Em paralelo, a IA também pode ajudar na linha de frente, dentro de hospitais: ao analisar dados de pacientes e resultados microbiológicos, modelos conseguem indicar em quais cenários determinadas terapias falham com frequência e quando faz sentido trocar o esquema de medicação.

Outro ponto essencial é a abordagem One Health (Saúde Única), que liga saúde humana, animal e ambiental. O uso de antibióticos na produção animal e a presença de resíduos no ambiente podem alimentar ciclos de seleção de resistência. Ferramentas de IA aplicadas a vigilância epidemiológica, rastreamento de surtos e monitoramento de dados ambientais podem fortalecer políticas públicas e reduzir a pressão seletiva fora do hospital.

O que pacientes precisam saber agora

A promessa de uma nova geração de antibióticos apoiados por IA não muda um facto básico: hoje, a proteção mais eficaz ainda depende do uso responsável dos medicamentos existentes. Sempre que há prescrição desnecessária, aumenta-se a pressão para que bactérias desenvolvam resistência.

• Use antibióticos apenas quando forem prescritos por médicas e médicos.
• Siga a duração do tratamento à risca; não interrompa por conta própria.
• Não recorra a sobras antigas de receitas anteriores.

Ao mesmo tempo, cresce o esforço para tornar mais claros os mecanismos de resistência. Termos como multirresistente e antibióticos de reserva aparecem cada vez mais em relatórios e prontuários. Multirresistente indica que um microrganismo deixou de responder a várias classes comuns de antibióticos. Já os antibióticos de reserva são opções que devem ser usadas apenas em situações-limite, para preservar a eficácia pelo maior tempo possível.

Aqui, a IA pode apoiar decisões clínicas ao interpretar mais rapidamente dados laboratoriais e sinalizar cedo se um agente infeccioso está entre os mais problemáticos - o que torna mais bem fundamentada a escolha de usar (ou evitar) um antibiótico de reserva.

A combinação de higiene rigorosa em hospitais, prescrição criteriosa e novas ferramentas de IA dá à medicina uma segunda oportunidade contra microrganismos resistentes. Se essa oportunidade será suficiente não depende apenas de algoritmos avançados, mas também de como o sistema de saúde e a sociedade vão usar, com responsabilidade, esta próxima geração de tratamentos.